计算机工程

作者：苗茹, 李祎, 周珂, 张俨娜, 常然然, 孟更

单位：1. 河南大学计算机与信息工程学院，河南 开封 4750042. 河南省空间信息处理工程研究中心，河南 开封 4750043. 河南省时空大数据技术创新中心，河南 开封 475004

关键词：遥感图像,多目标检测,Faster R-CNN,Swin Transformer模块,平衡特征金字塔,动态权重机制

基金：高分辨率对地观测系统国家科技重大专项(民用部分)科研项目(80-Y50G19-9001-22/23); 河南省科技攻关项目(222102210061)

针对遥感图像背景复杂、目标种类多和尺度差异大所造成的目标漏检和误检问题，提出一种改进Faster R-CNN多目标检测模型。首先，采用Swin Transformer来替代ResNet 50骨干网络，增强模型特征提取能力；其次，添加平衡特征金字塔(BFP)模块融合浅层和高层语义信息，进一步加强特征融合效果；最后，在分类和回归分支中，添加动态权重机制，促进网络在训练过程中更关注高质量候选框，提高目标定位和分类的精确度。在RSOD数据集上的实验结果表明，所提模型相较于Faster R-CNN模型每秒浮点运算次数(FLOPs)大幅度减少，并且模型的mAP@0.5 ∶0.95提高了10.7百分点，平均召回率提高10.6百分点。相较于其他主流检测模型，所提模型在降低漏检率的同时，取得了更高的精度，能显著提高复杂背景下遥感图像的检测精度。

来源：2025年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第8期