HWANet: una red de atención basada en Haar Wavelet para la detección de objetos de teledetección

Área de la Ciencia:

• Visión por computadora
• Aprendizaje automático
• Detección remota

Sus antecedentes:

• La detección de objetos por teledetección (RSOD) se enfrenta a desafíos con variaciones de escala.
• Los métodos actuales de aprendizaje profundo pierden información durante el downsampling y carecen de conciencia de contexto.

Objetivo del estudio:

• Proponer una nueva red, HWANet, para mejorar RSOD.
• Para abordar la pérdida de información y mejorar el modelado de contexto para objetos de escala múltiple.

Principales métodos:

• Desarrolló una red de atención basada en ondas Haar (HWANet).
• Se introdujo un módulo de muestreo descendente mejorado de baja frecuencia (LEM) para preservar la información del objeto.
• Módulo de autoatención de dominio de frecuencia de cabello integrado (HFDSA) y módulo de interacción de información espacial (SIIM) para la integración de funciones multinivel conscientes del contexto.

Principales resultados:

• HWANet logró 93,1% de mAP50 en el NWPU VHR-10 y 99,1% de mAP50 en el SAR-Airport-1.0.
• El modelo demuestra un rendimiento superior con solo 2.75M parámetros.
• Superó a los métodos de última generación existentes en RSOD.

Conclusiones:

• HWANet mitiga efectivamente la pérdida de información durante el muestreo descendente utilizando wavelets de Haar.
• La red mejora el modelado consciente del contexto para una detección de objetos superior a múltiples escalas.
• HWANet ofrece una solución de parámetros eficientes y de alto rendimiento para RSOD.