RemoteDet-Mamba：基于 Patch 级四方向选择扫描融合的多模态遥感目标检测网络
计算机视觉与模式识别
2026-01-21 v2
摘要
无人机遥感因其快速信息获取和低成本优势，已在应急响应等场景中广泛应用。然而，由于成像距离较远且成像机制复杂，遥感图像中的目标常面临小目标尺寸、密集分布和类别间区分度低等挑战。为此，本文提出一种基于 patch 级四方向选择扫描融合策略的多模态遥感目标检测网络，称为 RemoteDet-Mamba。该方法同时学习单模态局部特征，并融合跨模态 patch 级全局语义信息，从而增强小目标的辨识度，提高类别间的区分度。此外，设计的轻量级融合机制有效地解耦了密集目标，同时降低了计算复杂度。在 DroneVehicle 数据集上的实验结果表明，RemoteDet-Mamba 在检测性能方面优于当前主流方法，同时保持低参数数量和计算开销，显示出良好的实际应用前景。
引用
@article{arxiv.2410.13532,
title = {RemoteDet-Mamba: A Hybrid Mamba-CNN Network for Multi-modal Object Detection in Remote Sensing Images},
author = {Kejun Ren and Xin Wu and Lianming Xu and Li Wang},
journal= {arXiv preprint arXiv:2410.13532},
year = {2026}
}
备注
Accepted by ICASSP2026