特定任务上下文解耦的遥感图像目标检测方法

来源：计算机工程与应用杂志2025年第2期北京时间：

作者：梁嘉杰, 李星星

单位：五邑大学 智能制造学部，广东 江门 529020

摘要：针对典型目标检测模型在遥感图像检测任务中因检测目标小而密集、尺度差异大、方向随机而背景复杂，导致漏检率高、边框回归精度差等问题，提出一种特定任务上下文解耦和快速部分卷积的遥感图像检测方法Faster-
YOLO-TSCDH。将检测方法改进为特定任务上下文解耦检测方法，将分类任务和回归任务分开处理，分别融合不同空间特征和语义特征的特征图，降低不同任务的相互干扰，提高检测精度和鲁棒性。提出一种快速部分卷积多层次聚合模块，改进特征提取阶段的跨阶段分部卷积模块，强化特征提取能力，同时减轻解耦头带来参数量和运算量暴增的问题。采用一种对锚框质量动态评估的边框回归损失Wise-IoU，减少过高质量或过低质量锚框对边框回归的负面影响，提高边框回归的整体性能。实验结果表明，在DOTAv2和AI-TOD两个公共遥感图像数据集进行目标检测任务时的平均精度均值（mAP@IoU=0.5）达到65.4%和51.3%，相较基准模型提升了3到5个百分点，证明了改进方法的可行性和有效性。

关键词：深度学习,目标检测,遥感图像,小目标,解耦检测,特征提取