文献类型：期刊文章

作　　者：陈欣[1,2] 万敏杰[1,2] 马超[1,2] 陈钱[1,2] 顾国华[1,2]

CHEN Xin;WAN Min-jie;MA Chao;CHEN Qian;GU Guo-hua(School of Electronic and Optical Engineering,Nanjing University of Science and Technology,Nanjing 210094,China;Jiangsu Key Laboratory of Spectral Imaging&Intelligent Sense,Nanjing University of Science and Technology,Nanjing 210094,China)

机构地区：[1]南京理工大学电子工程与光电技术学院,江苏南京210094 [2]南京理工大学江苏省光谱成像与智能感知重点实验室,江苏南京210094

出　　处：《光学精密工程》

基　　金：国家自然科学基金青年项目(No.62001234);江苏省自然科学基金青年项目(No.BK20200487);中国博士后科学基金面上项目(No.2020M681597);江苏省博士后科研资助(No.2020Z051);上海航天科技创新基金(No.SAST2020-071);中央高校基本科研业务费专项资金资助(No.JSGP202102)。

年　　份：2021

卷　　号：29

期　　号：11

起止页码：2672-2682

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对复杂背景下遥感小目标的检测问题,提出了一种改进型多尺度特征融合SSD方法。设计了一种特征图融合机制,将分辨率高的浅层特征图与具有丰富语义信息的深层特征图进行融合,并在特征图间构建特征金字塔,对小目标特征进行增强。然后,引入通道注意力模块,通过构建权重参数空间,将注意力集中在关注目标区域的通道,以减小背景干扰。最后,对先验框相对于原图的比例进行了调整,使它能够更好地适应遥感小目标尺度。利用采集的遥感飞机图像数据集对方法性能进行定性和定量测试。结果表明:改进方法的检测精度相较SSD提高了4.3%,并能够适应复杂场景下的遥感多尺度目标检测任务,降低小目标的漏检率。

关 键 词：深度学习  小目标检测 复杂背景  特征融合  通道注意力机制  

分 类 号：TP751]