C2Mamba: Collaborative context state space model for remote sensing object detection

doi:10.1007/s11431-025-3285-3

C2Mamba: Collaborative context state space model for remote sensing object detection

2026-09-01

0

PRE

AI

DOI：10.1007/s11431-025-3285-3

原文链接

原文求助

摘要

En 中文

遥感图像（RSIs）中的目标检测是地球观测和计算机视觉领域的一项基础且有价值的研究任务。通常，RSIs是从鸟瞰视角获取的，导致其具有复杂背景、小目标随机且密集分布以及尺度变化大等固有特征。这些特征显著制约了现有目标检测器的性能。为解决这些问题，本文提出了一种轻量且有效的协作上下文状态空间模型C2Mamba，该模型整合了全局上下文和多尺度局部感受野信息，从而实现了更高的地理空间目标检测精度。首先，开发了一种协作多上下文Mamba模块，以分层交互方式捕获包括局部、全局和通道级特征在内的多样化上下文信息，这有助于生成能够自适应聚焦地理空间目标并抑制复杂背景干扰的综合场景描述。其次，设计了一个高斯大感受野感知模块，通过逐步增大的感受野渐进式地聚合上下文信息和精细细节，该过程通过高斯调制机制得到增强，提高了对细微但具有判别性特征的敏感性，从而有效解决了遥感目标的尺度变化问题，尤其适用于小目标。在三个公开数据集（RSOD、NWPU VHR-10.v2和DIOR）上的实验结果表明，C2Mamba在检测精度和计算效率方面均优于当前最优方法。

Keyword:

remote sensing image

object detection

Mamba

deep learning

C2Mamba: Collaborative context state space model for remote sensing object detection

摘要

期刊

机构