融合分块注意力与小波特征聚合的遥感图像目标检测算法OA

针对遥感图像中目标背景复杂和小目标物体检测困难等问题,提出融合分块注意力与小波特征聚合的遥感图像目标检测算法。在主干网络中引入层级分块注意力模块,采用分块下采样操作进行下采样操作,同时融合坐标注意力机制,缓解了细粒度信息丢失的问题;设计融合小波增强的对比驱动特征聚合模块,采用Haar小波变换分离图像高低频信息,并构建局部注意力机制,增强模型对目标边缘与纹理细节的感知能力,抑制复杂背景的干扰;构建浅层注意力增强检测头,融合LSKA(large selective kernel attention)注意力机制增强模型对小目标物体的检测精度。实验结果表明,改进后算法在ShipRSImageNet与VisDrone2019数据集上的mAP50分别达到87.3%与35.5%,相比原始模型分别提升5.9%和4.1%。改进后的模型在遥感图像目标检测任务上的性能得到了有效的提升。