摘要
目标尺度差异性和类间相似性是遥感图像目标检测面临的两个重要挑战.多尺度特征融合作为一种解决目标尺度差异性大和类间相似度高的方法,受到了广泛关注.然而目前大多数融合方法使用固定权重融合不同尺度特征,使所有的输入图像共享融合方式,忽略输入图像中目标尺度对特征融合的影响.针对上述问题,本文提出了一种动态特征融合网络.该网络由特征门控模块和动态融合模块构成,能够实现多尺度特征的动态融合.其中,特征门控模块旨在对融合前的特征进行选择性抑制或增强,降低背景信息对后续融合的干扰.动态融合模块旨在建立输入目标尺度和特征融合之间的联系,根据输入目标尺度动态学习融合权重.最后,在采用特征金字塔的Faster R-CNN上构建动态特征融合网络,并在大规模的遥感图像目标检测数据集DIOR和DOTA上验证了动态特征融合网络的有效性.
-
单位自动化学院; 西北工业大学