基于多分支特征对齐的遥感图像旋转目标检测网络

具有高分辨率、多尺度、多方向等特点的遥感图像目标检测是一项重要且极具挑战性的工作.近年来,基于深度学习的研究方法取得了良好的进展,同时针对遥感旋转目标检测的工作也有了显著的发展.在自然图像方面,水平目标检测方法的性能已经比较成熟,然而使用该方法检测遥感旋转目标难以获得理想性能.基于水平向模型设计了旋转目标检测方法,并提出了一种多分支特征对齐网络(MBFA_YOLO)来提升检测性能.具体来说,保留基线模型的结构,在骨干网络上使用并行分支得到不同尺度的浅层特征,利用不同膨胀系数的复合膨胀残差模块(D_Resnet)对其进行学习,然后针对分类任务和回归任务设计不同的注意力机制.考虑到现有的单级检测器中特征错位的不足,设计了一个特征对齐模块来获得更准确的特征.仿真实验结果验证了该方法的有效性.