M-ReDet:基于Mamba的远程探测船体检测和细粒度识别方法

科学领域:

• 遥感和地理空间分析
• 计算机视觉和图像处理
• 人工智能和机器学习

背景情况:

• 船舶物体检测和细粒度识别对于海上监视和导航等应用至关重要.
• 现有的方法在复杂的遥感图像中难以准确检测各种船型.
• 提高船舶分类和定位的准确性是一个持续的挑战.

研究的目的:

• 提高船舶物体检测的准确性和远程传感图像中的细粒度识别.
• 开发一种新的方法,即Mamba-ReDet (M-ReDet),可以改进现有的ReDet架构.
• 解决不同类型船只的细粒度特征的提取和精制方面的局限性.

主要方法:

• 拟议的Mamba-ReDet (M-ReDet) 包含一个Mamba-ReResNet骨干,用于使用Mamba的选择性内存进行细粒度的特征提取.
• 引入了船舶物体感知模块 (SOPM) 和船舶特征改进模块 (SFRM),以提取和融合特征改进的空间位置信息.
• 使用KFIoU和焦点损失来提高训练期间的回归和分类精度.

主要成果:

• 在FAIR1M的数据集中,Mamba-ReDet的平均精度 (mAP0.5) 为43.29%.
• 在DOTAv1.0可见光 (RGB) 数据集上,Mamba- ReDet获得了82. 09%的mAP0. 5.
• 在各自的数据集中,与基线ReDet相比,表现有2. 78%和3. 34%的改善.

结论:

• 拟议的Mamba-ReDet (M-ReDet) 有效地提高了远程传感图像中的船舶物体检测和细粒度识别.
• 整合Mamba的选择性内存和专用模块显著提高了特征提取和改进能力.
• 与现有方法相比,该方法显示出更高的性能,为海上应用提供了宝贵的进步.