多元特征提取与表征优化的遥感多尺度目标检测

作者：孟月波; 王菲; 刘光辉^*; 徐胜军

来源：光学精密工程, 2023, 31(16): 2465-2482.

• 遥感多尺度目标
• 无锚框
• 多元特征
• 表征优化
• 注意力

遥感目标具有较大的尺度差异性，针对其在复杂背景干扰下易导致细粒度级别多尺度特征提取困难、预测部分有效表征较弱的问题，本文基于无锚框思想，提出一种多元特征提取与表征优化的遥感多尺度目标检测方法（Multivariate Feature extraction and Characterization optimization,MFC）。在特征提取部分，设计多元特征提取模块（Multivariate Feature Extraction,MFE）挖掘细粒度级别的多尺度特征，通过分组操作及跨组连接的方式扩大感受野、增强多个特征尺度的组合效应，并联合上下文信息进一步加强对小目标的关注；采用深层聚合结构对深浅层特征进行充分融合，以获得更全面的特征表达。在预测部分，提出一种表征优化策略（Characterization Optimization Strategy,COS），利用椭圆型映射进行标签优化以适应具有较大纵横比的遥感目标，设计坐标像素注意力组合关注多尺度目标通道、位置及像素信息，减少复杂背景干扰，使有效信息得以突出表征。在DIOR,HRRSD,RSOD数据集上进行消融及对比实验，实验结果表明：MFC模型的mAP分别达到了70.9%,90.2%和96.9%，优于大多现有方法，有效改善了误检、漏检问题，适应性和鲁棒性较强。

• 单位
  西安建筑科技大学