基于多尺度特征与角度信息的无锚框目标检测方法

遥感目标检测是从遥感图像中对目标进行类别识别与定位的过程，它是遥感图像处理领域中一个重要的研究分支。目标尺度变化大和目标姿态旋转多变是制约遥感图像目标检测性能的重要因素之一。针对上述难点，本文提出了基于多尺度特征与角度信息的无锚定框目标检测方法。首先，该方法在经典特征金字塔网络中嵌入特征选择与对齐模块解决现有的特征金字塔网络存在的特征错位和通道信息丢失两种缺陷，从特征层面提升检测模型多尺度学习能力；其次，针对现有基于锚定框的旋转目标检测方法存在超参数敏感的问题，在基于无锚定框目标检测网络基础上加入了旋转边界框定位方式，无需对检测性能敏感的锚定框超参数进行设置；最后，为了解决旋转边界框存在边界突变问题，该方法将旋转边界框转换为二维高斯分布表示，并引入基于二维高斯分布的旋转回归定位损失函数来驱动检测网络学习目标的方向信息。实验结果表明，在多尺度和旋转目标检测方面，该方法的性能优于近几年提出的遥感目标检测方法。

Anchor-free Object Detection Method Based on Multi-scale Features and Angle Information