基于大核卷积和密集目标细化的遥感图像多尺度特征增强网络

摘要

针对遥感图像中目标尺度变化差异大、方向任意和分布密集，现有检测方法较少直接关注密集边缘信息且目标无法获得合适的感受野，遥感检测效果较差的问题，本文提出了一种基于大核卷积和密集目标细化的多尺度特征增强网络（LKCSFP-NET）来进行遥感图像的检测。该网络首先在SKNET基础上增加了空洞卷积形成大核卷积块（LKB），从而获得小目标的最佳感受野以及提升了网络对多尺度的适应性和准确度；其次在FPN基础上增加了集中空间特征金字塔CSFP模块，通过将全局语义信息与局部语义信息相结合，解决了遥感图像因目标分布密集以及背景复杂导致的检测效率较低的问题。实验结果表明，在DOTA和HRSC2016公开数据集上，所提算法在2个数据集上的平均检测精度分别为75.96%和96.60%，较基线网络提升了1.36百分点和0.63百分点，优于现有大多数模型。所提出的LKCSFP-NET在两个公开数据集中表现稳定，对小目标和密集排列的目标都有较好的检测效果，高于现有大多数模型的检测精度，可以很好地应用于遥感目标的检测。

关键词

目标检测 / 遥感图像 / 多尺度 / 大核卷积 / 密集检测 / 特征融合