.png){kind=icon}
返回
A Spatial-Frequency Joint Decoupling Network for Dense Small-Object Detection
.png){kind=icon}
OA
AI
DOI：10.3390/rs18081203.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
遥感影像中小目标检测面临现有轻量级检测器无法同时解决的两大挑战：重复下采样过程中高频边界信息的不可逆损失，以及由均匀多尺度融合引起的邻近实例特征模糊。本文提出SFD-Net，一种空间-频率自适应网络，专为航空影像明确解决这两个局限性而设计。所提模型采用骨干网络和空间-频率自适应颈部。在骨干网络中应用基于小波的下采样以减少混叠并保留高频信息。融入方向敏感聚合以更好地捕捉有向结构模式。在颈部，引入非对称且尺度依赖的特征路由，以增强浅层边界信息、改善拥挤区域的实例分离，并限制深层语义特征的干扰。在VisDrone-DET2019、UAVDT、SIMD和NWPU VHR-10数据集上的实验表明，SFD-Net在检测精度和计算成本之间取得了良好的平衡。特别是在SIMD数据集上，SFD-Net仅用3.4 M参数和8.3 GFLOPs实现了82.2%的mAP@0.5和66.7%的mAP@0.5:0.95。这些结果表明，所提方法为遥感小目标检测提供了有效且参数高效解决方案，尤其适用于资源受限的部署场景。
Keyword:
small-object detection
spatial–frequency feature fusion
lightweight detector
wavelet transform
remote sensing imagery
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:
4.1
论文数:
7.4K
被引数:
15.1W
机构
引用论文
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks更快的r-cnn: 基于区域建议网络的实时目标检测OAAI
OAAI分享收藏SCM-YOLO for Lightweight Small Object Detection in Remote Sensing Images轻量化遥感图像中小目标检测的SCM-YOLO.png)
REMOTE SENSING
OAAI
REMOTE SENSINGIF4.1
OAAI分享收藏MSF-DETR: A small target detection algorithm for sonar images based on spatial-frequency domain collaborative feature fusionMSF-DETR：一种基于空间-频率域协同特征融合的声纳图像小目标检测算法PLOS ONE
PLOS ONEIF2.6
PREAI
分享收藏Object detection in optical remote sensing images: A survey and a new benchmark光学遥感图像中的目标检测: 调查和新基准OAAI
OAAI分享收藏CM-YOLO: Typical Object Detection Method in Remote Sensing Cloud and Mist Scene ImagesCM-YOLO：遥感云雾场景图像中典型的目标检测方法REMOTE SENSINGOAAI
REMOTE SENSINGIF4.1
OAAI分享收藏MSFFNet: Multiscale Feature Fusion Network for Small Target Detection in Remote Sensing ImagesMSFFNet：用于遥感图像中小目标检测的多尺度特征融合网络OAAI
OAAI分享收藏
查看更多内容