基于CenterNet的改进遥感旋转目标检测

遥感影像由于目标角度各异且普遍密集、小目标占比高、背景复杂等特点,检测精度低。针对水平框算法不再适用于遥感旋转目标,以及主流五参数法存在角度回归的周期性与边缘互换性问题,提出VR-CenterNet,采用向量表示法来进行旋转目标的检测与损失设计,规避角度回归的根本性问题,优化细长目标的偏移高敏问题;针对浅层特征融合的高冗余问题,引入自适应通道激活过滤杂质信息,为强化关键点信息,在主干输出部分引入改进后的全局上下文自适应层激活注意力块。首先在HRSC2016与UCAS-AOU数据集上进行不同算法的性能比较;再在两数据集上进行方法消融实验,以验证各改进方法的有效性。实验结果表明:在HRSC2016与UCAS-AOU数据集上分别取得的了88.48%与90.35%的精度。改进算法能够提升遥感旋转目标的检测精度,为遥感旋转目标的准确检测提供了另外一种解题思路。