基于可变感受野的遥感图像火点目标检测

来源：计算机应用与软件杂志2025年第10期北京时间：

作者：张晏玮, 刘文彬, 董道航, 王子玥, 苏晨鹏, 安国成

摘要：针对遥感火点检测中目标尺寸跨度大、背景复杂而导致多类目标易混淆的问题,提出一种深度学习模型VRFNet,旨在优化森林火灾着火点的识别效果。VRFNet算法模型通过结合小波变换与大核卷积分解技术提取多尺度特征,有效扩展模型的感受野并减少参数数量;模型将这些多尺度特征进行平均池化和最大池化,结合注意力机制从中提取关键信息,增强特征的表达能力;通过自适应感受野选择机制,对不同尺度的感受野特征进行加权融合,以适应火点目标的尺度多样性。VRFNet在DOTAv1.0和GF-4数据集上分别达到了86.9%和73.4%的精度,较现有最先进模型(SOTA)提高了0.026,证实了其在遥感图像目标检测任务中的有效性。

关键词：火点检测, 卷积分解, 注意力机制, 可变感受野