文献类型：期刊文章

作　　者：张寅[1,2] 朱桂熠[1,2] 施天俊[3] 张琨[1,2] 闫钧华[1,2]

Zhang Yin;Zhu Guiyi;Shi Tianjun;Zhang Kun;Yan Junhua(Space Photoelectric Detection and Sensing of Industry and Information Technology,Nanjing University of Aeronautics and Astronautics,Nanjing 211106,Jiangsu,China;College of Astronautics,Nanjing University of Aeronautics and Astronautics,Nanjing 211106,Jiangsu,China;Research Center for Space Optical Engineering,Harbin Institute of Technology,Harbin 150001,Heilongjiang,China)

机构地区：[1]南京航空航天大学空间光电探测与感知工业和信息化部重点实验室,江苏南京211106 [2]南京航空航天大学航天学院,江苏南京211106 [3]哈尔滨工业大学空间光电工程中心,黑龙江哈尔滨150001

出　　处：《光学学报》

基　　金：国防科技基础加强计划资助(2021-JCJQ-JJ-0834);国家自然科学基金(61901504,61705104);中央高校基本科研业务费资助(NJ2020021,NT2020022)。

年　　份：2022

卷　　号：42

期　　号：24

起止页码：132-142

语　　种：中文

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

摘　　要：为解决遥感图像小目标检测中目标特征信息量少、定位困难等难题,提出一种基于特征融合与注意力机制的遥感图像小目标检测算法FFAM-YOLO(Feature Fusion and Attention Mechanism YOLO)。该算法首先针对主干网络特征提取有效信息量少、特征图信息表征能力弱的问题,构造特征增强模块(FEM)以融合较低层级特征图中多重感受野特征,提升算法主干网络的目标特征提取能力;其次,主干网络提取得到高低层级特征图后,建立重构算法的高低层级特征融合结构,利用特征融合模块(FFM)显著增强小目标的特征信息;在增强的有效通道注意力机制(E-ECA)与空间注意力模块(SAM)所组成的级联注意力机制(ESM)作用下,可更精确地捕获小目标特征;最后在输出的两路特征图上进行小目标检测并输出结果。实验结果表明,基于构建的遥感图像小目标数据集USOD(Unicorn Small Object Dataset),所提算法的查准率达到91.9%,查全率达到83.5%,检测框与真实框之间的交并比阈值(IoU)为0.5时的平均精度(AP)为89%,IoU为0.5∶0.95时的AP达到32.6%,检测速率达到120 frame/s,具有一定的鲁棒性和实时性。

关 键 词：机器视觉 小目标检测 遥感图像 特征融合  注意力机制  特征增强  

分 类 号：TP391.4]