.png){kind=icon}
返回
A lightweight remote sensing image detection model with feature aggregation diffusion network
.png){kind=icon}
OA
AI
DOI：10.1016/j.array.2025.100459.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着城市化进程和资源开采驱动的土地利用变化加速，遥感影像中景观物体的精确检测已成为可持续土地管理的关键。然而，现有深度学习模型在平衡检测精度和计算效率方面常面临挑战，尤其是在复杂场景中的小物体检测。为解决此问题，我们提出LightFAD-YOLO模型，该轻量化模型通过集成特征聚合扩散实现多尺度上下文传播，以增强复杂场景中的小物体检测。核心卷积检测头结合细节增强卷积和组归一化，在保持精度的同时将计算成本降低23.4%。一种扩张感知残差模块进一步优化多尺度特征提取。在基准数据集上的评估显示，LightFAD-YOLO相较于基线模型，mAP0.5指标提升1.7%，mAP0.5:0.95指标改善6.4%，且计算负载降低9.9%。该模型以297.2 FPS的运行速度仅使用2.3M参数，可支持边缘设备上的实时部署，用于土地利用监测和基础设施检测，从而支持可持续土地管理。
Keyword:
Remote sensing image
Small object detection
Lightweight model
Feature aggregation diffusion
Deep learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.5
论文数:
812
被引数:
1.2K
机构
引用论文
Dense Attention Fluid Network for Salient Object Detection in Optical Remote Sensing Images稠密注意力流体网络在光学遥感图像显著目标检测中的应用OAAI
.png){kind=icon}
OAAI分享收藏GAF-Net: Geometric Contextual Feature Aggregation and Adaptive Fusion for Large-Scale Point Cloud Semantic SegmentationGaf-net: 大规模点云语义分割的几何上下文特征聚合与自适应融合
PREAI
分享收藏Lightweight detection networks for tea bud on complex agricultural environment via improved YOLO v4通过改进的YOLO v4实现复杂农业环境下茶芽的轻量级检测网络
PREAI
分享收藏
TinySegformer: A lightweight visual segmentation model for real-time agricultural pest detectionTinySegformer: 一种用于实时农业害虫检测的轻量级视觉分割模型
PREAI
分享收藏
查看更多内容