陈成琳,鲍 春,曹 杰,郝 群

(1. 北京理工大学光电学院,北京 100081;2. 北京理工大学长三角研究院(嘉兴),浙江 嘉兴 314003)

1 引言

随着卫星和航空摄影技术的成熟,遥感图像检测在城市规划、智能监测、精准农业等民用和军事领域发挥着越来越重要的作用。 在这种需求的推动下,近年来人们在光学遥感图像目标检测方面做了大量的研究。众所周知,高质量、大规模的数据集对于训练基于深度学习的目标检测方法具有重要意义。目前,通用的目标检测器已经比较成熟,一些主流的单阶段、双阶段及多阶段检测算法对大、中目标有着较好的性能,但对小目标的检测仍存在较大的发展空间。光学可见光遥感图像一般是从卫星或者航空摄影采集得到,受其成像机制的影响,采集的图像往往具有如下特点[1]：①遥感图像视野比较广阔,使得背景复杂度高,且采用俯视拍摄,目标的方向不确定。②遥感图像的拍摄高度从几百米到近万米不等,且地面目标也大小不一,使得目标具有尺度多样性。③遥感图像中目标普遍较小且目标分布不均匀。遥感图像自身的这些特性使得检测难度大大增加。

小目标本身尺寸较小,经过卷积神经网络后,目标的特征信息与位置信息逐渐丢失,在深层特征图中小目标检测困难,经典的Faster R-CNN[2]就是利用了网络的最后一层进行预测。Liu等[3]提取不同层次的特征进行预测,利用浅层特征对小目标进行检测,但该方法没有充分融合不同尺度的特征,对浅层信息的使用不够充分。……