光学遥感图像的小样本目标检测

摘要：

对遥感图像进行目标检测,具有广阔的应用前景.针对小样本背景下遥感图像目标检测任务存在特征提取不足、定位困难和分类易混淆的问题,本文提出了一种基于协同注意力模块和对比学习分支的小样本目标检测算法.首先,对训练样本进行数据增强操作,以扩充数据集规模;其次,提出了一种协同注意力模块,包括设计的背景衰减注意力和空间感知注意力,利用遥感图像丰富的背景与目标特征信息,指导网络关注与目标定位相关的重点信息,从而便于RPN网络生成更好的区域建议框,减少遗漏目标的概率,提升模型对小样本类别的定位性能;然后,设计了一种对比学习分支.基于设计的对比损失函数,通过联合训练策略,在训练时从特征学习逐步过渡到分类器学习,提高了分类的准确率;最后,设计出一种基于微调的迁移学习范式的小样本目标检测模型,分为基础训练阶段和微调阶段,在基础训练阶段借助充足的基类样本训练模型学习类无关的参数,在微调阶段使用制作的小样本数据集帮助目标检测模型适应特定类别目标,提升其检测性能.此外,本文以两阶段微调方法TFA(Two-stage Fine-tuning Approach)为基准,通过在遥感数据集NWPU VHR-10和DIOR上验证本文提出算法的有效性,结果显示本文算法在NWPU VHR-10和DIOR数据集上与其他基准算法相比,平均精度均有大幅提升.

关键词：目标检测、小样本学习、遥感图像、注意力机制、对比学习

所属期刊栏目：28

分类号：TP701;P2(遥感技术)

在线出版日期：2024-09-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1693-1701