一种新的混合深度学习方法,用于超分辨率和远程传感中的物体检测
Muhammad Asif1, Mohammad Abrar2, Faizan Ullah1
1Department of Computer Science, Bacha Khan University, Charsadda, 24420, Pakistan.
Scientific reports
|May 17, 2025
概括
本研究引入了一种用于遥感的新型物体检测框架,增强图像分辨率和特征提取,以提高复杂场景中的精度. 混合型号显著提高了检测性能,为关键应用提供了强大的解决方案.
科学领域:
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 在遥感中对象检测受到低分辨率,复杂的背景,遮蔽和尺度变化的挑战.
- 这些挑战对于应对灾害,环境监测和监视等应用至关重要.
研究的目的:
- 为远程传感图像提出一个强大的物体检测框架.
- 将超分辨率技术与先进的特征提取集成在一起,以提高检测准确度.
主要方法:
- 开发了一种混合型号,将高级StyleGAN用于超分辨率和Swin Transformer用于特征提取相结合.
- 使用数据增强和预处理技术来提高培训数据集的多样性和准确性.
主要成果:
- 该框架实现了高绩效指标:mAP@0.5达到97.2%,mAP@0.5:0.95达到72.8%,F1-Score达到0.93.
- 在具有挑战性的条件 (低光,雾) 中表现出强性,并优于现有的方法,如YOLOv9和基于DCNN的方法.
- 在RSOD和NWPU VHR-10数据集上实现了卓越的检测准确性和稳定性.
结论:
- 拟议的框架代表了遥感物体检测的重大进步.
- 它为复杂的场景提供了有效的解决方案,提高了准确性和稳定性.
- 未来的工作将集中在计算效率和扩展到多模式或动态对象检测.
