FGAA-FPN：面向倾斜目标检测的前景引导角度感知特征金字塔网络
计算机视觉与模式识别
2026-02-12 v1
摘要
随着高分辨率遥感和航空图像的日益增多，倾斜目标检测已成为地理信息更新、海洋监视和灾后应急的关键能力。然而，由于背景杂乱、尺度变化剧烈和大幅旋转，仍面临挑战。现有方法通过特征金字塔网络实现多尺度特征融合或通过注意力进行上下文建模，但往往缺乏对前景的显式建模，且未利用几何倾斜先验，限制了特征的判别性。为此，我们提出 FGAA-FPN，一种前景引导角度感知特征金字塔网络。FGAA-FPN 基于层次功能分解构建，考虑到金字塔各层的不同空间分辨率和语义抽象，从而加强了多尺度表征。具体而言，前景引导特征调制模块在弱监督下学习前景显著性，以增强目标区域、抑制低层特征中的背景干扰。并行地，角度感知多头注意力模块编码相对倾斜关系，以引导高层语义特征的全局交互。在 DOTA v1.0 和 DOTA v1.5 上的大量实验表明，FGAA-FPN 实现了最先进的性能，分别达到 75.5% 和 68.3% 的 mAP。
引用
@article{arxiv.2602.10710,
title = {FGAA-FPN: Foreground-Guided Angle-Aware Feature Pyramid Network for Oriented Object Detection},
author = {Jialin Ma},
journal= {arXiv preprint arXiv:2602.10710},
year = {2026}
}
备注
Submitted to The Visual Computer