基于多尺度特征与角度信息的无锚框遥感目标检测方法

来自国内的研究人员针对遥感图像中目标检测精度不足的问题，开展了基于多尺度特征融合与角度信息的无锚框(Anchor-free)检测方法研究。该研究通过构建特征金字塔网络(FPN)增强多尺度特征提取，引入角度预测分支优化旋转目标检测，在DOTA数据集上实现82.3%的mAP，为复杂场景下的遥感目标检测提供了新思路。

　　

这项突破性研究提出了一种创新的无锚框(Anchor-free)遥感目标检测框架，巧妙融合了多尺度特征金字塔网络(FPN)和角度预测模块。通过构建双向特征金字塔(BiFPN)实现深浅层特征交互，采用自适应空间特征融合(ASFF)技术消除尺度差异，同时创新性地加入角度敏感卷积层(angle-sensitive conv)来捕捉旋转目标的方位特征。实验表明，该方法在DOTA_1.5数据集上对船舶、飞机等旋转目标的检测精度提升显著，尤其在小目标(<32×32像素)场景下AP₅₀指标较传统锚框方法提高9.8%，计算效率(FPS)提升35%，为高分辨率遥感影像的实时解译提供了重要技术支撑。