MAR-YOLO:多级特征自适应选择和非对称金字塔,用于定向远程传感图像中的建筑物检测
1Institute of Geospatial Information, Information Engineering University, Zhengzhou, 450052, China.
Scientific reports
|December 20, 2025
概括
马尔-约洛 (MAR-YOLO) 是一种用于构建遥感检测的新框架,有效地应对尺度差异,方向不稳定性和特征融合挑战. 它通过整合自适应功能选择,渐进融合和增强的检测头来实现卓越的性能.
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:
- 远程传感中的建筑检测面临诸如尺度差异,方向不稳定性和语义差距等挑战.
- 当这些挑战同时发生时,现有的方法往往会失败,导致性能下降.
研究的目的:
- 开发一个集成的框架,MAR-YOLO,用于在遥感图像中强大的旋转物体检测.
- 克服现有方法的局限性,这些方法单独解决检测挑战.
主要方法:
- 引入了适应性特征选的多尺度特征适应性选择 (MFAS) 模块.
- 实施了一个适应的自适应特征金字塔网络 (AFPN),用于渐进的多尺度特征融合.
- 开发了一种基于RepVGG的增强旋转检测头 (RRD-Head),用于稳定的角度回归.
主要成果:
- 在BONAI数据集上,MAR-YOLO实现了87.2%的mAP50和65.3%的mAP50-95,表现优于YOLOv11s-OBB.
- 在mAP50和mAP50-95分别表现出2.9%和2.6%的显著改善.
- 实现了 95 FPS 的处理速度.
结论:
- MAR-YOLO提供了一种协同方法来应对建筑检测中的相互依存的挑战.
- 该框架在各种遥感数据集 (BONAI,DOTA,DIOR-R,HRSC2016) 中表现出强度.
