GMF-Net: Una Red de Fusión Coincidente con Gaussianas para la Detección de Objetos Pequeños Débiles en Imágenes de...

Área de la Ciencia:

• Teledetección
• Visión por Computadora
• Procesamiento de Señales

Sus antecedentes:

• El análisis de imágenes de Telémetro Láser Satelital (SLR) enfrenta desafíos con la detección de objetos pequeños debido a las bajas relaciones señal/ruido y los fondos complejos.
• Los marcos de detección actuales exhiben altos costos computacionales y una extracción de características inadecuada para objetivos diminutos.

Objetivo del estudio:

• Desarrollar un detector de objetos ligero y de alta precisión para escenarios SLR, abordando las limitaciones de los métodos existentes.
• Introducir un novedoso módulo de Convolución Coincidente con Gaussianas (GMConv) para mejorar la extracción de características y la supresión de ruido.

Principales métodos:

• Se propuso la Red de Fusión Coincidente con Gaussianas (GMF-Net) con GMConv para la coincidencia precisa de la energía del objetivo.
• Se incorporó la Convolución Piramidal Parcial a Través de Etapas (CSPPC) para minimizar los parámetros y la Atención Cruzada de Características (CFA) para la integración de características multiescala.
• Se construyó el primer conjunto de datos SLR-CCD dedicado para la validación del método.

Principales resultados:

• GMF-Net logró un mAP@50 del 93,1% y un mAP@50-95 del 52,4% en el conjunto de datos SLR-CCD.
• Redujo los parámetros del modelo en un 26,6% (a 2,2 M) y la carga computacional en un 27,4% en comparación con los modelos de referencia.
• Demostró un equilibrio superior entre la precisión de la detección y la eficiencia computacional.

Conclusiones:

• GMF-Net ofrece un avance significativo en los sistemas SLR automatizados para la detección de objetos pequeños.
• El módulo GMConv propuesto mejora eficazmente las respuestas de las características centrales al tiempo que mitiga el ruido de fondo.
• GMF-Net proporciona una solución eficiente y precisa para aplicaciones SLR críticas.