基于加权感受野和跨层融合的遥感小目标检测

来源：电子测量技术杂志2023年第18期北京时间：

作者：张绍文，史卫亚，张世强，王甜甜

单位：1.河南工业大学信息科学与工程学院 郑州 450001; 2.河南工业大学人工智能与大数据学院 郑州 450001

摘要：针对遥感图像中小目标特征易丢失、易受背景噪声影响和定位难的问题，本文对YOLOX-S目标检测模型进行改进。使用二维离散余弦变换对CBAM注意力模块进行改进并加入到主干网络当中，提高网络对小目标的关注度；其次提出一种加权多重感受野空间金字塔池化模块，提升模型对多尺度目标尤其是小尺度目标的感知能力；采用跨层特征融合的思想，提出一种跨层注意力融合模块，使深层结构中尽可能保留更多的小目标特征；最后使用EIoU损失加强对小目标的定位能力。由大量实验分析可知，在RSOD数据集上，改进模型的APs值相对于基准模型提高了5.1%，在DIOR数据集上提高了2.4%，参数量仅增加了1.01 M，检测速度达到93.6 fps，满足实时性的检测要求。此外，相对于当前最新的目标检测模型，本文改进模型也具有一定优势。

关键词：图像处理;遥感小目标;YOLOX;跨层融合;离散余弦变换

基金资助：国家自然科学基金(62006071)、河南省科技攻关项目(212102210149)资助