基于改进FCOS网络的光学遥感影像目标检测算法

摘要：

针对当前遥感影像背景复杂、目标尺度小等情况导致的检测精度偏低的问题,基于FCOS网络提出了一种结合位置注意力和感受野增强的遥感影像目标检测算法PARF-FCOS;该算法构造了一种位置注意力模块,并利用该模块对特征提取网络进行改进,增强网络对目标信息的提取能力;在特征融合阶段使用感受野模块(RFB,receptive field block)增强浅层特征图,利用目标上下文信息进行辅助判断,提升网络对小尺度目标的检测能力;在训练过程中,引入距离交并比损失(DIoU loss,distance intersection over union loss)进行边界框回归,通过优化目标框与预测框中心点之间的距离,使回归过程更加平稳和准确;在公开数据集DIOR上评估了 PARF-FCOS目标检测算法,实验结果表明,相较于原始FCOS,算法的平均精确度均值提高了 4.3％,达到70.4％,检测速度达到23.2 FPS.

关键词：遥感影像处理、目标检测、卷积神经网络、注意力机制、无锚框

所属期刊栏目：30

分类号：TP751(遥感技术)

资助基金：陕西省自然科学基金2022JM-163

在线出版日期：2022-06-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：6-12