基于特征重加权的小样本遥感图像目标检测算法

来源：计算机测量与控制杂志2024年第2期北京时间：

作者：周博,葛洪武,李珩,李旭,

摘要：针对遥感图像具有目标尺度多变、目标模糊、背景复杂的特点,提出了一种基于特征重加权的遥感小样本目标检测算法RE-FSOD。该模型包括3部分:元特征提取器、特征重加权提取器、预测模块,其中元特征提取器由CSPDarknet-53、FPN以及PAN构成,负责提取数据的元特征；特征重加权提取器用于生成特征重加权向量,用于调整元特征来强化对于检测新类有帮助的特征；预测模块由YOLOv3的预测模块构成,在此基础上将定位损失函数替换为CIOU损失函数,提升模型的定位精度。最后在NWPU VHR-10遥感数据集上进行了训练和测试,实验结果表明,该方法相较于基线方法FSODM的在3-shot、5-shot、10-shot情况下分别提升了约19%、11%、8%。

关键词：小样本目标检测;YOLO;迁移学习;特征重加权;注意力机制

基金资助：国防基础科研计划资助（JCKY2020210B021）