典型文献
特征增强的单阶段遥感图像目标检测模型
文献摘要：
随着卷积神经网络的发展,遥感图像目标检测性能提升明显,但场景的复杂性和目标大小、形态的多样性依然对目标检测带来挑战.针对复杂情况下不同大小目标的检测问题进行研究.特征金字塔结构是解决不同大小目标检测的有效方法,但其逐层传递特征的方式可能产生特征丢失问题,故提出跳跃连接特征金字塔模块来增强特征金字塔结构中各层特征的语义和细节信息.同时,使用位置注意力强化目标区域特征是提升目标检出率的有效方法,并有助于复杂场景下目标的检测,但现有的位置注意力往往同时强化了不精确的预测结果,对最终预测结果产生干扰.为此提出基于锚框的位置注意力模块,强化更可能产生精确预测结果的特征区域.将跳跃连接特征金字塔模块和基于锚框的位置注意力模块嵌入到RetinaNet模型中,形成端到端的特征增强的单阶段遥感图像目标检测模型FENet(Feature Enhanced Network).针对复杂的遥感影像目标检测进行实验,在UCAS-AOD数据集上FENet模型mAP比FAN(Face Attention Network)高1.78％,在RSOD数据集上比FAN模型提升了 1.48％,且超越了其他先进模型.此外,FENet在单块Titan X GPU上对800×800图像的测试时间是0.058 s.实验结果表明,与同类模型相比,所提模型增强了 目标的特征提取能力,进而提升了检测性能.
文献关键词：
遥感图像;特征金字塔;位置注意力;锚框;单阶段目标检测
中图分类号：
作者姓名：
汪西莉;梁敏;刘涛
作者机构：
陕西师范大学 计算机科学学院,陕西 西安710119
文献出处：
引用格式：
[1]汪西莉;梁敏;刘涛-.特征增强的单阶段遥感图像目标检测模型)[J].西安电子科技大学学报（自然科学版）,2022(03):160-170
A类：
FENet,FAN
B类：
特征增强,遥感图像,图像目标检测,目标检测模型,检测性能,性能提升,复杂情况,同大,检测问题,特征金字塔结构,决不,小目标检测,逐层,产生特征,跳跃连接,塔模,细节信息,位置注意力,目标区域,区域特征,提升目标,复杂场景,锚框,注意力模块,精确预测,特征区域,RetinaNet,端到端,Feature,Enhanced,Network,遥感影像,UCAS,AOD,mAP,Face,Attention,RSOD,Titan,GPU,测试时间,模型增强,特征提取能力,单阶段目标检测
AB值：
0.348303
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
