全局关系注意力引导场景约束的高分辨率遥感影像目标检测.docx

在高分辨率遥感影像目标检测领域，深度学习技术，尤其是卷积神经网络（CNN），已经展现出了强大的性能。传统的目标检测方法可大致分为两类：基于区域生成的二阶段方法（如R-CNN系列）和基于回归的一阶段方法（如YOLO、SSD）。然而，遥感影像的特性，如复杂的背景、密集的目标、多变的方向和尺度差异，对检测方法提出了更高的要求。 针对这些问题，研究者们提出了多种解决方案。例如，Wang等人设计了一种多尺度视觉注意网络，专注于目标区域的细节信息，有效解决了背景复杂和目标密集的问题。Cheng等人则采用旋转不变的CNN模型，使网络能学习到具有旋转鲁棒性的特征。我们的前期工作引入了FS-SSD网络，通过反卷积层和平均池化层构建特征金字塔，实现了多尺度特征预测，并进一步结合通道注意力和旋转不变深度特征，提升了小目标检测的准确性。 尽管已有工作取得了一些进展，但大部分方法并未充分考虑场景与目标间的关联关系。Liu等人利用场景和物体的关系提出了结构推理网络，显著提高了检测性能。Zhang等人提出的全局关系注意力模块（RGA）在行人再识别任务中表现优秀，证明了利用全局结构信息的重要性。 因此，我们提出了一种全局关系引导场景约束的高分辨率遥感影像目标检测方法（OR-FS-SSD+RGA）。这个方法的核心是通过全局关系注意力模块学习全局场景特征，用以约束和指导目标检测任务。具体来说，我们采用VGG16作为基础网络，随后接入RGA模块，捕捉全局的结构化关系信息。接着，这些全局场景特征被输入到方向响应卷积模块和多尺度特征模块，生成既旋转不变又具有多尺度信息的目标特征。通过交叉熵分类损失和定位损失的加权组合优化网络，以达到更精确的目标定位和分类。 全局关系引导的注意力机制在我们的方法中起着关键作用。它不仅强化了具有区分性的特征，还弱化了无关特征。RGA模块通过提取全局场景特征，为网络提供了全局上下文信息，这对于理解和检测遥感影像中的目标至关重要。特征图中的每个节点代表一个特征向量，节点之间的关系形成全局关系特征，从而更好地捕捉场景和目标之间的关联。 我们的方法创新性地结合了全局关系注意力、场景约束和多尺度特征，以提升高分辨率遥感影像目标检测的性能。通过这种综合策略，我们期望在复杂遥感影像中实现更准确、更鲁棒的目标检测，为地表信息提取和分析提供有力支持。