.png){kind=icon}
返回
MSGHNet: multi-scale gradient-aware hypergraph network for remote sensing small object detection
.png){kind=icon}
PRE
AI
DOI：10.1088/1361-6501/ae599d.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在无人机视觉技术的应用场景中，准确高效的小目标检测是推动技术进步的核心需求。尽管现有方法取得进展，但仍存在关键挑战，包括下采样过程中的特征损失、多尺度融合不足以及复杂场景中目标关系建模较弱。为解决这些问题，本文提出改进的高分辨率小目标检测模型MSGHNet：它整合了面向小目标设计的下采样模块PRDown以保留关键特征完整性，设计了PMSCF模块以增强跨尺度特征表达，并将自适应超图计算模块创新性地嵌入到颈部网络中。与PMSCF协同，边缘感知超图模块利用其强大的复杂关系建模能力，自适应地捕获空间拓扑、语义相似性和目标间的动态交互，有效提升复杂场景中小目标的检测性能和泛化能力。实验结果在Dior和VisDrone2019主流无人机图像数据集上均显示出显著性能提升。与基准模型YOLOv11s相比，所提方法在mAP@50上分别取得3.04%和2.48%的提升，同时保持实时推理速度，为无人机场景下的精确小目标检测提供了有效解决方案。
Keyword:
small object detection
drone vision
multi-scale feature fusion
hypergraph network
remote sensing
期刊
IF:
3.4
论文数:
2.7K
被引数:
2.3W
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LAYN: Lightweight Multi-Scale Attention YOLOv8 Network for Small Object DetectionLAYN: 用于小目标检测的轻量级多尺度注意力YOLOv8网络.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏
查看更多内容