.png){kind=icon}
返回
BRSTD: Bio-Inspired Remote Sensing Tiny Object Detection
.png){kind=icon}
OA
AI
DOI：10.1109/TGRS.2024.3470900.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在无人机捕获的航拍图像或卫星遥感图像中，物体信息较弱，难以与背景区分开，物体大小变化很大。生理学研究表明，视觉系统可以通过注意机制选择视觉刺激，将资源集中在处理重要信息上，同时抑制不太重要的信息。受生物视觉的启发，本文设计了一个目标检测网络，称为生物启发遥感微小目标检测 (BRSTD)。从生物视觉中的平行途径和X，Y和W细胞的拮抗感受野特性中汲取灵感，我们设计了具有拮抗感受野的xyw-conv模块。该模块增强了微小物体与其周围信息之间的对比度，有效地从图像中提取微小物体信息。为了进一步提高骨干网区分对象与背景的能力，我们设计了XYW-注意力，并将其应用于设计的骨干网。为了更好地保留浅层特征层中的微小物体信息并抑制大物体和背景信息，我们在颈部和头部之间的连接处设计了反馈抑制注意力模块，即自顶向下抑制注意力 (TDSA)，从而提高了模型的性能。实验表明，仅使用1.8 M个参数，BRSTD在ai-tod数据集上的APvt和平均精度 (AP) 方面取得了10.4。它在Visdrone和DOTA等其他公共遥感对象数据集上也表现出色。该研究不仅推进了遥感图像目标检测技术的发展，而且为生物视觉与计算机视觉的结合研究提供了新思路。该代码将在 https://github.com/huangyuesheng9/BRSTD开源。
Keyword:
Object detection
Remote sensing
Feature extraction
Detectors
Biology
Visualization
Accuracy
Physiology
Neck
Attention mechanisms
Aerial images
attention mechanism
bio-inspired
convolutional neural network (CNN)
tiny object detection
期刊
IF:
8.6
论文数:
2.1W
被引数:
10.7W
机构
引用论文
.png){kind=icon}
Conductivity Enhancement in Thin Silicon-on-Insulator Layer Embedding Artificial Dislocation Network
PREAI
分享收藏
Closely arranged inshore ship detection using a bi-directional attention feature pyramid network基于双向注意特征金字塔网络的近岸近岸船舶检测OAAI
OAAI分享收藏
查看更多内容