利用自适应融合和混合锚检测器的遥感图像小目标检测算法

来源：电子与信息学报杂志2024年第7期北京时间：

作者：王坤, 丁麒龙

单位：中国民航大学电子信息与自动化学院 天津 300300

摘要：针对遥感图像背景噪声多，小目标多且密集排列，以及目标尺度分布广导致的遥感图像小目标难以检测的问题，该文提出一种根据不同尺度的特征信息自适应融合的混合锚检测器AEM-YOLO。首先，提出了一种结合目标宽高信息以及尺度宽高比信息的二坐标系k-means聚类算法，生成与遥感图像数据集匹配度较高的锚框。其次，设计了自适应增强模块，用于解决不同尺度特征之间的直接融合导致的信息冲突，并引入更低特征层沿自底向上的路径传播小目标细节信息。通过混合解耦检测头的多任务学习以及引入尺度引导因子，可以有效提高对宽高比大的目标召回率。最后，在DIOR数据集上进行实验表明，相较于原始模型，AEM-YOLO的AP提高了7.8%，在小中大目标的检测中分别提高了5.4%，7.2%，8.6%。

关键词：遥感图像, 深度学习, 目标检测, 检测头, 自适应融合, 锚框

基金资助：国家自然科学基金(62173331)