双向多尺度特征融合的高效遥感图像车辆检测.pdfVIP

3462024，60（12）ComputerEngineeringandApplications计算机工程与应用

双向多尺度特征融合的高效遥感图像车辆检测

曲海成，王蒙，柴蕊

辽宁工程技术大学软件学院，辽宁葫芦岛125105

摘要：针对遥感图像中车辆检测面临的背景复杂、多尺度差异和小目标难以检测等挑战，提出了一种基于双向多

尺度特征融合的检测方法GEM_YOLO。该方法包括三个主要部分：设计了全局高效注意力模块作为特征提取器，

实现轻量化和高效率的特征提取，以解决复杂背景下的目标检测问题；提出了双向多尺度特征融合网络作为特征融

合器，采用自顶向下和自底向上的特征融合策略，有效促进不同层次特征之间的信息交互；应用基于注意力的动态

检测头作为预测器，增强了对不同尺度、空间位置和任务的感知，进一步提升了目标检测的精度和鲁棒性。在公开

数据集DIOR和DOTA上进行相关实验，该方法的平均精度均值达到92.4%和81.4%，显著优于其他主流检测方法，

同时具有更少的参数量和计算量，为遥感图像检测领域中的车辆检测提供了一种高效解决方案。

关键词：遥感图像；车辆检测；多尺度特征融合；注意力机制；动态检测头

文献标志码：A中图分类号：TP751.1doi：10.3778/j.issn.1002-8331.2308-0386

EfficientVehicleDetectioninRemoteSensingImageswithBi-DirectionalMulti-ScaleFeatureFusion

QUHaicheng,WANGMeng,CHAIRui

SchoolofSoftware,LiaoningTechnicalUniversity,Huludao,Liaoning125105,China

Abstract：Facingwiththechallengesofthevehicledetectioninremotesensingimages,suchascomplexbackgrounds,

multi-scaledifferences,anddifficultyindetectingsmalltargets,adetectionmethodGEM_YOLObasedonbidirectional

multi-scalefeaturefusionisproposed.Therearethreemainpartsinthismethod:thefirstoneisagloballyefficientatten-

tionmodulethatisdesignedasafeatureextractortoachievelightweightandefficientfeatureextraction,inordertosolve

theproblemofobjectdetectionincomplexbackgrounds.Secondly,abidirectionalmulti-scalefeaturefusionnetworkis

proposedasafeaturefusiondevice,whichadoptstop-downandbottom-upfeaturefusionstrategiestoeffectivelypromote

informationexchangebetweenfeaturesatdifferentlevels.Finally,theapplicationofanattentionbasedonthedynamic

detectionheadasapredictorenhancestheperceptionofdifferentscales,spatialpositions,andtasks,furtherimprovingthe

accuracyandrobustnessofobjectdetection.RelatedexperimentsareconductedonpublicdatasetsDIORandDOTA,

whoseaverageaccuracyreaches92.