来源：期刊VIP网 时间：
作者：郑江华;孙一鸣;曹利赛;李竺强;王蕴琦;
单位：长春理工大学计算机科学技术学院;吉林高分遥感应用研究院;吉林大学地球探测科学与技术学院;
摘要：高空间分辨率的遥感图像具有背景复杂、目标分布不均匀以及小目标等特性，使得通常用以处理自然图像的传统算法对遥感图像中的小目标检测及分割存在挑战。针对上述问题，文章提出多感受野特征融合的特征增强网络提高小目标检测精度，并将检测得到的目标框及相应的语义信息输入分割任意模型(segment anything model, SAM),从而实现SAM模型端到端的实例分割。通过在NWPU和SSDD数据集上的实验结果表明，所提出的方法对小目标的检测相较于Cascade R-CNN+PAFPN分别提升了5.9和1.4个百分点。而SAM模型依赖准确的点或框提示，故随着检测精度的提升，SAM模型的分割效果也会随之提升。
关键词：实例分割;;目标检测;;SAM模型;;特征金字塔;;多尺度感受野
基金资助：国家重点研发计划(2020YFA0714103);; 吉林省科技发展计划(20220201149GX)
