基于多尺度特征融合网络的遥感影像目标检测

作者：田婷婷; 杨军

来源：激光与光电子学进展, 2021, 1-15.

• 遥感
• 目标检测
• 多尺度
• 卷积神经网络
• 特征融合

在图像分析与解译中，遥感影像目标检测是一项基础性的工作。针对遥感影像目标尺度多样和背景复杂等问题，本文提出了一种多尺度空洞卷积特征融合检测器（Multiscale Dilated Convolution Feature Fusion Detector, MDCF2Det）来实现对遥感目标的精确检测。首先，改进原始特征金字塔网络（Feature Pyramid Networks, FPN），用空洞卷积代替普通卷积，增大感受野；其次，增加从输入节点到输出节点的跳跃连接操作以充分地利用不同层级的语义和位置信息；最后，为了抑制噪声并突出前景，在区域候选网络前增加多维注意力机制模块，从而实现更精确的遥感影像目标检测。在DOTA和RSOD数据集上进行了实验，本算法的m AP（mean Average Precision）分别达到了92.95%和73.39%。实验结果表明，本文算法能够有效提升遥感影像目标检测精度。

• 单位
  兰州交通大学