雾天遥感小目标检测的双子网算法.pdfVIP

1282025，61（9）ComputerEngineeringandApplications计算机工程与应用

⦾模式识别与人工智能⦾

雾天遥感小目标检测的双子网算法

+

宋存利，杨佳俊，张雪松

大连交通大学轨道智能工程学院，辽宁大连116028

+通信作者E-mail：zhangxuesong@djtu.edu.cn

摘要：针对雾天场景下遥感小目标检测的漏检错检问题，提出了基于双子网多任务协同训练的GFFA-YOLO算

法。利用门控融合的GFFA网络去雾来恢复目标信息。设计SD-SCConv和RepNCSPELAN-SD-SCConv模块，该模

块通过融合空间到深度层，同时利用自校正机制来提高特征提取能力。增加了选择注意力LSK模块来增强多尺度

特征融合。实验结果表明，所提算法在不同雾浓度的NWPUVHR-10数据集上的mAP分别达到85.6%和74.3%，在

雾处理后的DOTAv1.0数据集上mAP达到82.1%，相较主流算法表现出更高的检测能力。

关键词：YOLO；小目标检测；去雾算法；注意力机制

文献标志码：A中图分类号：TP751doi：10.3778/j.issn.1002-8331.2407-0539

TwinNetworkAlgorithmforSmallTargetDetectioninFoggyRemoteSensing

SONGCunli,YANGJiajun,ZHANGXuesong+

SchoolofRailIntelligentEngineering,DalianJiaotongUniversity,Dalian,Liaoning116028,China

Abstract：Aimingattheleakageandmisdetectionproblemofremotesensingsmalltargetdetectioninfoggyscenarios,a

GFFA-YOLOalgorithmbasedonbipartitenetworkmulti-taskco-trainingisproposed.Firstly,thegatedfusedGFFA

networkisusedtode-fogtorecoverthetargetinformation.Secondly,SD-SCConvandRepNCSPELAN-SD-SCConv

modulesaredesigned,whichimprovethefeatureextractioncapabilitybyfusingthespacetothedepthlayerwhileusing

theself-correctionmechanism.FinallytheselectiveattentionLSKmoduleisaddedtoenhancemulti-scalefeaturefusion.

TheexperimentalresultsshowthattheproposedalgorithmachievesamAPof85.6%and74.3%ontheNWPUVHR-10

datasetwithdifferentfogconcentrations,and82.1%onthefog-treatedDOTAv1.0dataset,whichexhibitsahigherdetec-

tioncapabilitycomparedtomainstreamalgorithms.

Keywords：YOLO;smalltargetdetection;defoggingalgorithm;attentionmechanism

遥感小目标检测作为航空实时监控的一项重要技（3）多角度拍摄和小目标像素信息少且排列密集，

术，目前在军事敏感任务、民用检测任务、陆地资源监控缺乏区分自身与背景或相似类别的外观信息。图1展

任务以及森林火灾预防监控任务等方面具有极其重要