基于感知延伸与锚框最适匹配的遥感图像目标检测算法

TP7; 针对遥感图像目标成像小、背景复杂、分布拥挤的问题,将旋转目标检测方法S2 ANet作为基线网络,提出一种基于感知延伸与锚框最适匹配的遥感图像目标检测算法(HQ-S2ANet).构建协同注意力模块(SEA),捕获特征像素间关系的同时扩展模型感知区域,实现目标与全局的关系建模;针对遥感图像背景复杂问题,改进特征金字塔(FPN)特征融合过程,在特征融合下采样过程中将感知延伸卷积模块与常规卷积交替堆叠形成感知延伸特征金字塔模块(HQFPN),保证低层细节位置信息的同时,延伸感知范围以增强模型信息捕捉能力;为解决遥感目标图像分布拥挤的问题,利用高质量锚框匹配方法(MaxIoUAssigner-HQ),通过常数因子控制锚框真值分配,在保证召回率的同时,防止低质量锚框匹配产生.实验结果表明,在DOTA数据集下,与S2 ANet 算法相比,HQ-S2ANet 平均精度(mAP)提高3.1%,召回率(Recall)均值提高1.6%,而参数量仅增加2.61M,所提算法有效增强了遥感图像目标检测能力.