MwdpNet:致力于提高高分辨率遥感图像微小目标的识别精度

2024-01-07 18:17:38

摘要

https://www.nature.com/articles/s41598-023-41021-8

这项研究的目标是开发一种深度学习模型,以提高在高分辨率遥感(HRS)图像上识别微小目标的准确性。我们提出了一种新颖的多级加权深度感知网络,我们称之为MwdpNet,以更好地捕获HRS图像中微小目标的特征信息。在我们的方法中,我们引入了一个新的分组残差结构S-Darknet53,作为我们提出的MwdpNet的骨干网络,并提出了一种多级特征加权融合策略,以充分利用浅层特征信息来提高检测性能,特别是对于微小目标。为了充分描述图像的高层次语义信息,获得更好的分类性能,我们设计了一个深度感知模块(DPModule)。在步骤之后,提出了通道注意力引导模块(CAGM),以获得每个尺度的注意力特征图,从而增强微小目标的召回率并更有效地生成候选区域。最后,我们创建了四个微小目标数据集,并在这些数据集上进行了比较实验。实验结果表明,MwdpNet在四个数据集上的平均精度(mAP)分别为87.0%、89.2%、78.3%和76.0%,优于九种主流目标检测算法。我们的方法为检测HRS图像上的微小目标提供了一种有效的手段和策略。

在遥感图像智能解译领域,高分辨率遥感(HRS)图像中的目标检测是一个重要的研究方向。而准确识别HRS图像中的微小目标是遥感图像目标检测的首要任务 [ 1

文章来源:https://blog.csdn.net/m0_47867638/article/details/135436257
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。