针对地球静止轨道(GEO)空间目标探测任务中目标特征薄弱、尺度小和定位精度要求高的问题,提出SFFRetinaNet(Shallow focus and FreeAnchor RetinaNet)算法。该算法针对空间目标特征提取不充分的问题,设计了一种聚焦浅层特征的残差网络结...针对地球静止轨道(GEO)空间目标探测任务中目标特征薄弱、尺度小和定位精度要求高的问题,提出SFFRetinaNet(Shallow focus and FreeAnchor RetinaNet)算法。该算法针对空间目标特征提取不充分的问题,设计了一种聚焦浅层特征的残差网络结构,增强了网络对图像浅层特征的提取能力;引入了FreeAnchor检测器,将锚框匹配策略转化为极大似然估计问题进行优化,提高了目标检测框的定位精度;针对观测图像中目标样本数量匮乏、分辨率低及分布不均匀的问题,引入多分辨率融合的Copy-Paste数据增强方法,提高了算法的检测效果。SFF-RetinaNet算法在Kelvins SpotGEO挑战赛的数据集上进行了测试,mAP达到了71.28%,相较原算法提高了12.33%,算法检测速度提高了3fps,能够更好地应用于地球静止轨道空间目标检测任务。展开更多