Marine Remote Sensing Object Detection in Complex Backgrounds Based on Diffusion Models and Multidirectional Spatial Attention

Zhuowei Wang

doi:10.1109/tgrs.2026.3725741

Marine Remote Sensing Object Detection in Complex Backgrounds Based on Diffusion Models and Multidirectional Spatial Attention

2026-08-21

0

PRE

AI

DOI：10.1109/tgrs.2026.3725741

原文链接

原文求助

摘要

En 中文

近岸遥感图像中赤潮快速检测和船舶目标提取对于海洋生态监测和海事管理具有重要意义。然而，近岸图像易受海洋天气条件和传感器成像过程的影响，常受云层覆盖和条纹噪声干扰。这些干扰引入干扰性伪特征并削弱目标-背景可区分性，限制了现有检测器的稳定性和鲁棒性。此外，此类干扰下困难样本数量有限进一步增加了复杂近岸场景中的检测难度。为解决这些问题，我们构建了近岸复杂场景海洋遥感数据集（NCSMRS），包含1369张图像，涵盖三种典型近岸场景类型：云层覆盖、条纹噪声和干净背景，并对海洋目标进行了边界框标注。我们进一步提出扩散增强的多方向注意力检测框架（DMA-Det）。DMA-Det采用布局引导的扩散增强来丰富困难训练样本，并通过语义一致性验证和边缘质量过滤引入语义-边缘质量滤波器（SEQF）以提高合成数据可靠性。此外，检测网络中设计了多方向空间注意力（MDSA）模块，用于建模轴向和非轴向空间依赖关系并重新校准多尺度特征，从而增强目标感知特征表示并抑制复杂背景干扰。在NCSMRS上的大量实验表明，DMA-Det优于代表性检测器，并在不同近岸场景中实现稳定性能，其$\mathrm {mAP}_{50}$和$\mathrm {mAP}_{50\text {-}95}$得分分别为76.2%和49.7%。

Keyword:

Complex nearshore remote sensing scenes

generative data augmentation

object detection

red tide

spatial attention

Marine Remote Sensing Object Detection in Complex Backgrounds Based on Diffusion Models and Multidirectional Spatial Attention

摘要

期刊

机构

引用论文