光学遥感图像目标检测的CNN-Transformer多尺度融合算法

来源：计算机工程与应用杂志2025年第17期北京时间：

作者：郑文轩, 谭忠, 杨瑛

单位：1.江苏第二师范学院 物理与电子信息学院，南京 210013；2.厦门大学 数学科学学院，福建 厦门 361005

摘要：针对光学遥感图像目标分布密集、尺度多变、小目标特征信息不足致检测精度不高的问题，提出了一种面向光学遥感图像目标检测的LQ-Mixer-YOLOv8检测模型。能有效整合卷积神经网络CNN和Transformer在提取图像局部（高频）和全局（低频）特征信息的优势。为了进一步提升模型的性能，实验设计了DMulti-DWconv卷积模块和自适应细节融合模块ADI，引入坐标注意力机制CA、挤压增强轴向注意力机制SeaAttention和频率斜坡结构等来提升网络特征性能，将WIoU损失函数与NWD小目标检测算法联合使用，进一步提高对光学遥感图像中小目标的检测精度。实验结果表明，LQ-Mixer-YOLOv8模型在NWPU VHR-10和DIOR数据集的测试集上分别取得了96.3%和96.6%的平均精度。在NWPU VHR-10数据集上，将其与Faster R-CNN、YOLOv3、YOLOv7S、YOLOv8S、SwinTransformer和RT-DETR等主流模型对比，平均精度（mAP@0.5）分别提高10.3、6.0、1.6、2.1、7.8和6.5个百分点；在 DIOR数据集上，将其与对应的主流模型对比，平均精度（mAP@0.5）分别提高了10.5、7.3、2.3、2.7、7.5和6.7个百分点。该方法具有检测精度高、计算复杂度低等特点，能更好地完成光学遥感图像目标检测任务。

关键词：Transformer,光学遥感图像,目标检测,特征融合