MS-YOLOv11:一个波纹增强的多尺度网络,用于远程传感图像中的小物体检测

科学领域:

• 计算机视觉 计算机视觉
• 遥感 遥感 遥感 遥感
• 人工智能的人工智能

背景情况:

• 遥感图像中的小物体 (<32x32像素) 存在检测挑战,原因是信号较弱,功能有限,并在下方采样过程中丢失信息.
• 现有的物体探测器在高错误率和微小物体的不足特征提取方面扎.

研究的目的:

• 开发一种增强的物体检测模型,MS-YOLOv11,专门设计用于解决遥感中小物体检测的挑战.
• 为了提高检测小物体的准确性,效率和特征表示.

主要方法:

• 拟议的MS-YOLOv11,集成使用2D Haar波束分解的频域细节保存.
• 在子频段上采用了轻量级的受体场扩展,通过小核的深度卷曲.
• 使用的混合结构块 (MSB) 配有MSPLCK和EPA模块,用于自适应的跨度融合和特征重量调整.

主要成果:

• 与基线相比,MS-YOLOv11在DOTA和DIOR数据集上表现出优异的性能.
• 在平均平均精度 (mAP@50,mAP@95),参数效率和推断速度方面取得了改进.
• 验证了模型在针对性小物体检测中的有效性.

结论:

• MS-YOLOv11通过保留高频细节和自适应地融合多尺度特征,有效地应对小物体检测方面的挑战.
• 拟议的方法增强了歧视性特征提取,并抑制了背景干扰,以提高检测准确度.