RS-YOLOX：一种用于卫星遥感图像目标检测的高精度检测器
计算机视觉与模式识别
2025-02-06 v1
摘要
利用卫星遥感图像进行自动目标检测对于资源勘探和自然灾害评估具有重要意义。为解决遥感图像检测中存在的问题，本文提出了一种改进的 YOLOX 模型，用于卫星遥感图像自动检测。该模型命名为 RS-YOLOX。为了增强网络的特征学习能力，我们在 YOLOX 的主干网络中使用了高效通道注意力 (ECA)，并将自适应空间特征融合 (ASFF) 与 YOLOX 的颈部网络相结合。为了平衡训练中正负样本的数量，我们使用了 Varifocal Loss 函数。最后，为了获得高性能的遥感目标检测器，我们将训练好的模型与一个名为 Slicing Aided Hyper Inference (SAHI) 的开源框架相结合。本研究在三个航拍遥感数据集（DOTA-v1.5、TGRS-HRRSD 和 RSOD）上评估了模型。我们的对比实验表明，我们的模型在检测遥感图像数据集中的目标方面具有最高的准确率。
引用
@article{arxiv.2502.02850,
title = {RS-YOLOX: A High Precision Detector for Object Detection in Satellite Remote Sensing Images},
author = {Lei Yang and Guowu Yuan and Hao Zhou and Hongyu Liu and Jian Chen and Hao Wu},
journal= {arXiv preprint arXiv:2502.02850},
year = {2025}
}