arrow
返回

Multi-frame temporal dense nested attention method for detecting GEO objects

delete2024-08-01
delete0
PRE
AI
J
Jiaxin Liu
F
Feng Yu
Y
Ying Yuan
Y
Yunxiao Yang
DOI:10.1016/j.asr.2024.07.076delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
地球静止轨道是一种特殊且重要的空间轨道资源。然而,该轨道上的空间在轨物体对空间安全构成潜在威胁,其成像特征表现为暗弱和小型目标。为解决地球静止轨道上暗弱小目标的检测问题,我们提出了一种多帧时序密集嵌套注意力方法,该方法由均匀线性运动约束模块和密集嵌套注意力模块组成。密集嵌套注意力模块采用多层U形结构和通道空间注意力机制,能够保留小目标的深层特征,提取并融合不同尺度特征图的特征,最终获得单帧图像的初步检测结果。均匀线性运动约束模块利用图像序列中目标的运动先验信息,去除误检并补充漏检,提升检测性能。实验在欧空局公开发布的SpotGEO数据集上进行。实验结果表明,我们的方法优于当前最优方法,与现有领先方法相比,均方误差降低了12.83%。该方法因其参数需求量少且不依赖大规模数据集预训练的特点,非常适合集成到小型卫星设备中。
Keyword:
Geostationary earth orbit (GEO)
Dim and small target
Space situation awareness (SSA)

期刊

Advances in Space Research 封面图
Advances in Space Research
IF:
2.8
论文数:
1.5K
被引数:
2.0W

机构

引用论文

引用论文

On-orbit recognition of resident space objects by using star trackers使用星跟踪器在轨识别驻留空间物体
err2020-12-01
err28
PREAI
errSpiller, Dario; Magionami, Edoardo; Schiattarella, Vincenzo; Curti, Fabio; Facchinetti, Claudia; Ansalone, Luigi; Tuozzi, Alberto
err分享
err收藏
err分享
err收藏
Dense Nested Attention Network for Infrared Small Target Detection用于红外小目标检测的密集嵌套注意力网络
err2023-01-01
err215
errOAAI
errLi, Boyang; Xiao, Chao; Wang, Longguang; Wang, Yingqian; Lin, Zaiping; Li, Miao; An, Wei; Guo, Yulan
err分享
err收藏
Research Advancements in Key Technologies for Space-Based Situational Awareness
err2022-06-18
err44
errOAAI
errWang, Beichao; Li, Shuang; Mu, Jinzhen; Hao, Xiaolong; Zhu, Wenshan; Hu, Jiaqian
err分享
err收藏
学者 查看更多内容