计算机辅助设计与图形学学报

作者：姚婷婷, 米富横, 曹福笑, 胡青

关键词：遥感目标检测, 细粒度, 特征增强, 深度学习

遥感图像中通常包含较多目标, 由于很难提取有效的类别判别信息, 现有遥感目标检测方法存在较多类别混淆现象. 为此, 提出一种判别区域感知增强的细粒度遥感目标检测方法. 首先在特征提取骨干网络中构建判别信息提取模块, 利用判别特征增强-抑制策略持续挖掘目标中易被忽略的局部细节信息, 增强网络对不同种类目标的特征描述力; 然后构建目标感知增强模块, 利用特征选择模块增强不同尺度下的特征描述力, 并采用多个不同大小卷积核的卷积层和跳连接操作提高浅层网络的目标感知力; 最后受到Transformer网络自注意力机制启发, 构建自注意力特征增强模块, 突出待检测目标的特征信息, 减少复杂背景对目标分类准确性的干扰. 在细粒度遥感目标检测数据集DOSR与HRSC2016上的实验结果表明, 所提方法的平均准确率分别达到72.04%和84.38%; 定性和定量的实验结果表明, 该方法对不同类别的遥感目标均具有良好的检测准确性和鲁棒性.

来源：2025年第10期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2025年第10期