LR-FPN：基于位置细化特征金字塔网络增强遥感目标检测
计算机视觉与模式识别
2024-04-03 v1
摘要
遥感目标检测旨在识别和定位遥感图像中的关键目标，广泛应用于农业和城市规划领域。特征金字塔网络（FPN）常用于提取多尺度特征。然而，现有FPN往往忽略提取低层位置信息和细粒度上下文互动。为此，本文提出一种新型位置细化特征金字塔网络（LR-FPN），以增强浅层位置信息提取并促进细粒度上下文互动。LR-FPN由两个主要模块组成：浅层位置信息提取模块（SPIEM）和上下文互动模块（CIM）。具体而言，SPIEM 通过同时从低层特征图中提取位置信息和显著性信息，最大限地保留目标的固有位置信息。随后，CIM通过空间和通道互动将这些强大的位置信息注入原始FPN的不同层，显著增强目标区域。在空间互动中，我们引入一种简单的局部和非局部互动策略，以学习和保留对象的显著性信息。最后，LR-FPN可轻松集成到常见目标检测框架中，以显著提升性能。大量实验在两个大型遥感数据集（即DOTAV1.0和HRSC2016）上表明，所提出的LR-FPN优于最先进的目标检测方法。我们的代码和模型将公开提供。
引用
@article{arxiv.2404.01614,
title = {LR-FPN: Enhancing Remote Sensing Object Detection with Location Refined Feature Pyramid Network},
author = {Hanqian Li and Ruinan Zhang and Ye Pan and Junchi Ren and Fei Shen},
journal= {arXiv preprint arXiv:2404.01614},
year = {2024}
}