来源：期刊VIP网 时间：
作者：魏明军;葛一珲;杨轩;刘亚志;李辉;
单位：华北理工大学人工智能学院;河北省工业智能感知重点实验室;
摘要：目的 目前遥感图像小目标的判别特征过少、易受复杂背景干扰，导致检测时存在错检、漏检问题，为了提高遥感小目标检测精度，本文提出一种基于多尺度特征融合网络。方法 首先，在网络的中尺度特征图中，设计稀疏注意力引导的特征融合模块，进行多尺度特征融合，增强网络对小目标的敏感度，抑制背景干扰；为有效融合不同尺度的特征中包含的上下文信息，解决小目标定位问题，使用扩张卷积为核心的网络层，设计多步扩张特征融合模块，采用多个不同扩张率的卷积，并行融合不同层次间的多尺度特征信息，以更好利用深度特征具有的语义信息。结果 在NWPU VHR-10数据集、RSOD数据集和HRSID数据集上分别进行相关定量实验，并对比目前的先进算法，结果表明，基于多尺度特征融合网络在保持或略微提高中尺度和大尺度目标检测精度的同时，在小尺度目标上获得了较高的检测精度，数据集NWPU VHR-10、RSOD和HRSID的mAP＿50分别达到了93.7%,96.92%,92.5%。结论 本文通过注意力引导和扩张卷积，提出了2种多尺度特征融合方法，可有效提升遥感小目标的检测精度。
关键词：小目标检测;;多尺度;;遥感图像;;深度学习;;特征融合
基金资助：国家重点研发计划项目（2017YFE0135700）;; 河北省高等学校科学技术研究项目（ZD2022102）
