信息科学 | 融合背景信息和方向信息的遥感图像旋转目标检测
信息科学 | 融合背景信息和方向信息的遥感图像旋转目标检测
摘要:针对遥感图像目标检测中因目标尺度差异大、方向分布复杂导致的检测精度不足问题,提出一种融合背景信息与方向信息的检测网络。首先,针对目标尺度差异大的问题,设计了感受野扩张模块(ReceptiveField Extending,RFE)。与传统的固定感受野或复杂多分支的结构不同,该模块通过大核分解、空洞卷积与并联分支结构设计,在不显著增加计算量的前提下,融合多尺度的背景信息,解决了不同尺度目标对背景信息需求差异的问题。其次,针对目标方向分布复杂的问题,设计方向感知交互注意力机制模块(Orientation Aware Cross Attention,OACA)。与现有的注意力机制卷积核形状不同,该模块通过水平与垂直方向可分离卷积提取方向纹理信息,防止特征缺失与断裂;同时设计交叉注意力机制,抑制背景噪声并增强方向信息的交互性。实验结果表明,提出的方法在DOTA,HRSC2016和DIOR-R数据集上检测精度分别达到 76.88%.98.43% 和 65.06% ,相比OrientedR-CNN方法分别提升了 1.01%,0.83% 和 0.76% ,进一步验证了背景信息和方向信息协同的有效性。