来源：期刊VIP网 时间：
作者：周晓琴;王长海;操丽;
单位：广西交通职业技术学院土木建筑工程学院;广西基础设施三维数字孪生工程研究中心;广西交通设计集团有限公司;武汉光谷卓越科技股份有限公司;
摘要：为解决无人机遥感图像中目标尺度多变、复杂背景以及小目标密集排列等挑战，提出了一种自适应特征感知分离网络AFASNet(adaptive feature aware and separation network)。该网络包括一个尺度感知模块(scale-aware feature highlighting and enhancement module, SAM)和一个类别感知模块(class-aware feature separation module, CAM)。SAM在网络的预测特征图上激活不同尺度的目标，避免了不同尺度的目标在同一分辨率的特征图上的相互影响。CAM通过类别区分特征图中的特征，将不同类别的特征分离到不同通道，减轻跨类别特征干扰和复杂背景的问题。实验结果表明，AFASNet在NWPU VHR-10、DOTA 1.0以及DIOR这3个基准航空图像遥感数据集上分别实现了98.33%、62.43%以及79.8%的mAP,整体性能优于其他几种先进对比方法，具有较高的检测准确度。
关键词：无人机;;目标检测;;遥感图像;;多尺度;;小目标;;深度学习
基金资助：广西科技计划(桂科AB23026153);; 交通安全应急信息技术国家工程实验室东盟(广西)分实验室基金(桂科ZY23055046)
