HWANet:基于Haar Wavelet的注意网络用于远程传感物体检测
Baohua Jin1, Fukang Yin1, Wenpeng Cai1
1School of Computer Science and Technology, Zhengzhou University of Light Industry, Zhengzhou, China.
PloS one
|September 4, 2025
概括
这项研究介绍了HWANet,一个基于Haar波段的新型注意网络,用于远程传感物体检测. 它有效地处理尺度变化,以较少的参数实现高精度.
科学领域:
- 计算机视觉
- 机器学习
- 遥感技术
背景情况:
- 遥感物体检测 (RSOD) 面临着规模变化的挑战.
- 目前的深度学习方法在下调样本时会丢失信息, 缺乏上下文意识.
研究的目的:
- 提出一个新的网络,HWANet,改进RSOD.
- 解决信息丢失和增强多尺度对象的上下文建模.
主要方法:
- 开发了一个基于哈尔波段的注意网络 (HWANet).
- 引入低频增强低采样模块 (LEM),以保存对象信息.
- 集成的HAR频域自我注意模块 (HFDSA) 和空间信息交互模块 (SIIM) 进行上下文意识的多级特征集成.
主要成果:
- 在NWPU VHR-10上实现了93.1%的mAP50和在SAR-Airport-1.0上实现了99.1%的mAP50.
- 该模型仅具有2.75M参数, 显示出卓越的性能.
- 在RSOD中超越现有最先进的方法.
结论:
- 使用Haar波段,HWANet有效地减轻了下方采样过程中的信息损失.
- 该网络增强了对文本敏感的建模,
- HWANet为RSOD提供了一个参数高效和高性能解决方案.


