计算机工程

作者：刘春霞, 孟吉星, 潘理虎, 龚大立

单位：1. 太原科技大学计算机科学与技术学院，山西 太原 0300242. 精英数智科技股份有限公司，山西 太原 030032

关键词：遥感目标检测,可见光和红外图像,轻量级上采样算子,注意力机制,特征融合

基金：山西省基础研究项目(202203021221145); 山西省研究生联合培养示范基地项目(2022JD11)

针对现有的目标检测方法在处理背景复杂、有效信息量少的遥感图像时存在的误检、漏检等问题，提出了一种多模态遥感小目标检测方法——BFMYOLO。设计了像素级的红-绿-蓝(RGB)和红外(IR)图像的融合模块, 即多模态融合模块(BFM)，充分利用不同模态的互补性，实现两种模态信息的有效融合；设计了全尺度自适应更新模块(AA)，解决特征融合过程中的多目标信息冲突问题，通过结合CARAFE上采样算子并进一步融入浅层特征，在加强非相邻层间融合的同时增强小目标的空间信息；设计了改进的任务解耦检测头(IDHead)，将分类和回归任务分开处理，以降低不同任务的相互干扰，融合深层语义特征，进一步提升模型的检测性能。采用归一化Wasserstein距离(NWD)损失函数作为定位回归损失函数，降低位置偏差的敏感性。实验结果表明，该方法在VEDAI、NWPU VHR-10和DIOR数据集上的阈值设定为0.5时的均值平均精度(mAP@0.5)分别达到78.6%、95.5%和73.3%，优于其他先进模型, 在遥感小目标检测中表现出良好的性能。

来源：2025年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第7期