基于级联式逆残差网络的遥感图像轻量目标检测算法

作者：陈立; 张帆^*; 郭威; 黄赟; 李继中

来源：电子学报, 2023, 51(09): 2588-2597.

• 遥感图像
• 目标检测
• 模型轻量化
• 深度可分离卷积
• 级联式逆残差卷积
• 通道混排

遥感场景下的高实时目标检测任务具有重要的研究价值与应用意义.针对当前遥感图像目标检测模型由于目标多角度、排列密集以及背景复杂从而导致检测速度慢的问题，提出一种级联式逆残差卷积结构（Cascaded Inverted Residual Convolution, CIRC）.该结构采用深度可分离卷积作为基本卷积单元，快速提升模型计算能力；在此基础上，通过转置通道矩阵与级联深度卷积，并增加残差连接层数，达到强化目标多维特征的目的；进一步，进行多级模块堆叠，提高模型对目标的检测效果.本文在RetinaNet基础上，利用CIRC设计了一个快速的轻量化目标检测网络—CIRCN(Cascaded Inverted Residual Convolution Net).同时，在训练阶段引入角度变量并参与反向传播，在推理阶段对水平框加入角度偏置，有效提高定向目标与检测框匹配度.在DOTA数据集上的实验结果表明，CIRCN在精度略受损失的情况下，检测速度达到42 fps，比基准算法提高了3.5倍.结果验证了所提算法的有效性与可靠性.

• 单位
  信息工程大学