计算机工程

作者：祝冰艳, 陈志华, 盛斌

单位：1. 华东理工大学信息科学与工程学院, 上海 2002372. 上海交通大学电子信息与电气工程学院, 上海 200240

关键词：遥感图像,目标检测,Swin Transformer,多尺度特征,深度学习

基金：国家自然科学基金(62272164); 空间智能控制技术实验室开放基金(HTKJ2022KL502010)

随着遥感技术的快速发展，遥感图像检测被广泛应用于农业、军事、国防安全等众多领域。遥感图像相较于传统图像检测存在诸多难点，如何实现高效精准的遥感图像检测成为该领域的研究热点。针对遥感图像检测中存在的计算复杂度高、正负样本不平衡、目标尺度小等问题，提出一种基于感知增强Swin Transformer的遥感图像检测网络，以提升遥感图像检测性能。在主干网络设计过程中，利用Swin Transformer分层设计和移动窗口的优点有效减小计算复杂度，同时插入空间局部感知块，加强网络对局部相关性和结构信息的提取能力。设计区域分布回归损失为小目标分配更大的权重，解决了正负样本不平衡的问题，同时结合改进的IoU-aware分类损失消除不同分支之间的差距，降低分类和回归损失。在公共遥感数据集DOTA上的多组实验结果表明，该网络获得了78.47%的平均精度均值和10.8帧/s的检测速度，检测性能优于经典的目标检测网络Faster R-CNN、Mask R-CNN以及现有优秀的遥感图像检测网络，并且在各类不同尺度的目标上均具有较好的性能表现。

来源：2024年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第1期