双流火星陨石坑检测网络

DEM+DOM融合，mAP50达79.4%

融合高程与影像双源特征，检测同时输出陨石坑属性，性能超越单一数据源。

Hu, Fan · 陈动 · Na, Jiaming · Zhen, Cao · 张振鑫 · 张立强 · 康志忠

ISPRS Journal of Photogrammetry and Remote Sensing 2025

参数信息

mAP50

79.4 %

精确率

78.4 %

召回率

73.3 %

分类总体准确率

83.9 %

碗形坑 F1 分数

91.5 %

中央峰坑 F1 分数

83.4 %

中央坑坑 F1 分数

35.3 %

平底坑 F1 分数

71.9 %

技术优势

双源融合比单源更好

同时利用数字高程模型（DEM）和正射影像（DOM）两种数据源，通过多源多尺度特征融合模块整合特征，检测性能显著优于仅使用单一数据源。

检测与属性提取相互促进

几何域模块检测陨石坑，属性域模块进行分割、分类和形态参数提取，两个任务相互增强，在检测框的基础上利用 SAM 优化分割并提高定位精度。

四种坑型分类可靠

Swin Transformer 将陨石坑分为碗形、平底、中央峰和中央坑四类，总体分类准确率达 83.9%，其中碗形坑 F1 分数为 91.5%。

代码开源可直接用

GACraterNet 的源代码已在 GitHub 公开，研究者可以直接获取并应用于自己的火星陨石坑检测任务。

应用场景

• 火星地质制图：自动提取陨石坑分布、类型和形态参数，加速区域地质历史和环境演变分析。
• 行星探测任务：为火星着陆点选择、路径规划等任务提供高精度陨石坑先验信息。
• 遥感影像分析：联合 DEM 与 DOM 双源特征，提升遥感影像中陨石坑目标的检测鲁棒性。
• 多任务深度学习：通过检测与属性提取任务相互增强，验证多任务学习在行星遥感中的有效性。