面向细粒度船舶检测的 YOLO26-OBB-HMS 分层多标签监督方法研究

《Sensors》：Hierarchical YOLO26 with Axis-Wise Context Block and Poincaré Supervision for Fine-Grained Ship Detection in Remote Sensing

　　

摘要

面向细粒度船舶检测仍具有挑战性，因为外观相似的船舶类别在尺度、宽高比和方向上可能存在显著差异。为应对这些挑战，本研究提出了YOLO26-OBB-HMS（分层多标签监督），这是一种对YOLO26-OBB的扩展，它结合了金字塔前的轴向上下文块、局部窗口特征引导、与分配对齐的父级监督以及训练时的庞加莱路径学习，同时保留了检测器的原始定向盒公式和叶子级推理评分。在常见的按类别计算的AP50评估协议下，所提出的n-scale和s-scale变体在过滤后的HRSC2016测试集上分别取得了77.5%和82.7%的准确率，在准备好的ShipRSImageNet最终评估集上分别取得了75.4%和80.6%的准确率。