尺度感知检测网络

小目标更准

从全局语义交互与局部注意力两条路径共同增强特征表达，在保留背景上下文的同时逐步放大前景，使复杂场景下的小目标检测明显更稳定。

高涛 · Qianqian, Niu · Zhang, Jing · 陈艇 · 梅少辉 · Jubair, Ahmed Mahdi

IEEE Transactions on Geoscience and Remote Sensing 2023

参数信息

检测精度 (mAP)

94.57 %

检测精度 (mAP)

95.93 %

检测精度 (mAP)

77.9 %

技术优势

背景干扰少

全局语义信息交互模块深入挖掘深层特征图的高层语义，强化前景目标的判别特征，从而减轻复杂背景的干扰。

小目标更清晰

局部注意力金字塔在浅层特征图上逐步增强小目标的特征表达，同时抑制背景和噪声，让原本容易淹没在场景中的小目标更容易被检出。

多尺度更稳健

优化的特征金字塔网络提升了遥感图像中多尺度目标的检测性能，让同一模型能同时应对大小差异悬殊的目标。

应用场景

• 无人机航拍巡检：无人机航拍中，小目标（如车辆、行人）往往只有几个像素，GLSANet 的注意力机制能提升这类目标的检出率。
• 遥感图像小目标检测：遥感图像中小目标常被背景淹没，GLSANet 通过局部注意力金字塔在浅层特征图上强化小目标表达，直接提升小目标检测性能。
• 自动目标识别：自动目标识别系统要求对复杂场景中的目标保持高召回，GLSANet 通过抑制背景干扰和增强多尺度特征来提升识别准确率。