基于跨空间多阶信息聚合的遥感小目标轻量化检测网络MIANet研究

本文提出轻量化多阶信息聚合网络(MIANet)，通过跨空间多阶信息聚合模块(CMIAM)实现低/中/高阶特征融合，结合多维信息增强模块(MIEM)的流形解耦设计，在VEDAI等数据集上mAP50达73.7%，超越SuperYOLO等SOTA方法，为智能交通与国防安全领域的遥感小目标检测提供高效解决方案。

　　

Highlight

本研究亮点在于提出创新性轻量化网络架构MIANet，其核心组件CMIAM受博弈论多阶交互理论启发，通过三分支结构分别捕获低阶（局部感知）、中阶（判别特征）和高阶（全局语义）信息；MIEM则基于MobileNetv2的"兴趣流形"概念，采用三维交叉信息交互机制增强小目标响应。

Cross-spatial Multi-order Information Aggregation Module

CMIAM模块创新性地将博弈论中的多阶交互理论（low/mid/high-order interactions）引入深度神经网络。其中m阶交互I^(m)(i,j)量化了图像块i与j在所有可能包含m个图像块的上下文配置中的平均博弈交互效应。该模块通过并行三支路架构，有效整合局部细节与全局语境，显著提升复杂遥感场景下的目标分离能力。

Multi-dimensional Information Enhancement Module

MIEM模块采用"解耦-过滤-交互-投影"四步策略：首先在高维空间解耦输入流形信息，过滤冗余噪声；随后通过三支路结构实现跨维度（channel-space-depth）动态交互；最后通过线性投影恢复原始维度。这种设计显著增强了网络对小尺度目标的特征响应灵敏度。

Conclusion

MIANet通过CMIAM与MIEM的协同设计，在VEDAI、DIOR等数据集上实现mAP₅₀ 81.3%的突破性性能，参数仅9.79M。其创新性自适应阈值损失函数结合动态ATSS标签分配策略，有效解决了遥感小目标检测中的样本不平衡问题，为边缘设备部署提供可能。