基于遥感图像的多尺度特征增强方法与研究

藏 艳艳1, 蒋 玉辰1, 丁 学文2
1、天津职业技术师范大学电子工程学院
2、天津职业技术师范大学电子工程学院;天津云智通科技有限公司

摘要


针对遥感图像存在背景复杂、目标多尺度、目标方向各异的问题，提出了一种YOLO11n-MCSL目标检测
算法。该算法在Backbone部分采用SPPF-MSA多尺度特征增强模块，代替了原始YOLOv11的SPPF，可以提升多尺
度特征表达能力。在Neck中提出分层差异化MSA-GCNet特征融合策略，增强不同尺度目标的特征表示。最后，在
head层引入基于CSL角度编码的OBB旋转检测头，缓解了角度回归过程中梯度发散问题，提升旋转目标角度预测精
度。实验结果表明，与原始YOLOv11n算法相比，在平均精度和准确率上分别提升2.7%和4.2%。

关键词


YOLOv11；遥感图像；MSA-GCNet；卷积检测算法；旋转目标检测

全文:

PDF


参考


[1]Ren S, He K, Girshick R, et al. Faster R-CNN:

Towards real-time object detection with region proposal

networks[C]//Proceedings of the IEEE International Conference

on Computer Vision. Santiago: IEEE, 2015: 91-99.

[2]Xia G S, Bai X, Ding J, et al. DOTA: A large-scale

dataset for object detection in aerial images[C]//Proceedings

of the IEEE Conference on Computer Vision and Pattern

Recognition. Salt Lake City: IEEE, 2018: 3974-3983.

[3]Ding J, Xue N, Long Y, et al. Learning ROI transformer

for oriented object detection in aerial images[C]//Proceedings

of the IEEE Conference on Computer Vision and Pattern

Recognition. Long Beach: IEEE, 2019: 2849-2858.

[4]Yang X, Yan J, Yang X, et al. R3Det: Refined singlestage detector with feature refinement for rotating object

detection[C]//Proceedings of the AAAI Conference on Artificial

Intelligence. New York: AAAI, 2021, 35(4): 3163-3171.

[5]杨雪，严俊驰. Arbitrary-oriented object detection

with circular smooth label [C]// 欧洲计算机视觉会议组委

会.2020欧洲计算机视觉大会论文集。柏林：欧洲计算机

视觉协会，2020：637-644


Refbacks

  • 当前没有refback。