基于特征增强的光学遥感图像舰船目标检测算法

摘要

针对光学遥感图像背景复杂、特征提取难度高导致舰船检测精度低的问题,基于包围框边缘感知向量(box boundary-aware vectors,BBAVectors)网络,提出了一种特征增强的遥感舰船检测算法。为适应舰船的多尺度特性,利用最大池化和空洞卷积构建了增强型感受野模块(enhanced receptive file block,ERFB),增加模型感受野,同时提高对小尺度目标的特征提取能力;为提高各层特征的利用率,设计了一个自适应特征融合模块(adaptive feature fusion module,AFFM),在丰富特征的同时,突出相对重要的特征。在公开数据集HRSC2016和自建数据集RS-Ship上进行实验,与原始BBAVectors相比,所提方法的AP值分别提高了5.68%和7.84%,有效提高了舰船检测的准确率;与其他方法相比,所提方法在精度上表现优异,并拥有较强的鲁棒性。