RFWNet：一种集成多尺度感受野和前景聚焦机制的轻量化遥感目标检测器
计算机视觉与模式识别
2025-07-04 v2
摘要
遥感目标检测(RSOD)中的诸多挑战，如类间高度相似性、前景-背景分布不平衡以及遥感图像中目标的小尺寸，显著阻碍检测精度。此外，模型精度与计算复杂度之间的权衡为RSOD算法的应用提出了额外约束。为解决这些问题，本研究提出一种高效轻量化的RSOD算法，集成多尺度感受野和前景聚焦机制，命名为robust foreground weighted network（RFWNet）。具体而言，我们提出了轻量化主干网络感受野自适应选择网络（RFASNet），利用遥感图像中丰富的上下文信息以增强类别可分性。此外，我们开发了前景-背景分离模块（FBSM），由背景冗余信息过滤模块（BRIFM）和前景信息增强模块（FIEM）组成，用于强化图像中的关键区域同时过滤冗余背景信息。最后，我们设计了加权CIoU- Wasserstein loss（LWCW），该损失函数通过对IoU-based loss进行加权处理，即使用归一化Wasserstein距离来缓解模型对小目标位置偏差的敏感性。综合实验结果表明，RFWNet在DOTA V1.0和NWPU VHR-10数据集上分别实现了95.3%和73.2%的平均精度（mAP），参数量为6.0 M，推理速度达52 FPS。
引用
@article{arxiv.2503.00545,
title = {RFWNet: A Lightweight Remote Sensing Object Detector Integrating Multiscale Receptive Fields and Foreground Focus Mechanism},
author = {Yujie Lei and Wenjie Sun and Sen Jia and Qingquan Li and Jie Zhang},
journal= {arXiv preprint arXiv:2503.00545},
year = {2025}
}