弱响应感知特征金字塔网络（WRA-FPN）：面向遥感图像微小目标检测的选择性增强与自适应跨尺度对齐方法

《Remote Sensing》：WRA-FPN: Weak-Response-Aware Feature Pyramid Network for Tiny Object Detection in Remote Sensing Images

　　

微小目标检测仍然具有挑战性，因为微小实例通常仅占据少量像素，产生微弱、稀疏且易于退化的特征响应。特征金字塔网络（Feature Pyramid Networks，FPN）被广泛用于构建多尺度特征表示，但在微小目标检测中仍面临两个关键限制。首先，传统FPN并未显式增强弱目标响应。尽管现有方法利用频域信息来强化结构细节，但高频响应可能同时源自目标边界和复杂背景纹理，使得无差别增强容易受到背景干扰。其次，微小目标的稀疏证据在跨尺度传播过程中对微小空间偏差高度敏感，并且可能被背景主导的特征聚合所稀释。为解决上述挑战，研究人员提出了一种弱响应感知特征金字塔网络（Weak-Response-Aware Feature Pyramid Network，WRA-FPN），其包含两个互补组件。选择性小波增强模块（Selective Wavelet Enhancement，SWE）使用尺度自适应墨西哥帽小波提取局部高频响应，并将其与输入特征及高层语义特征融合以生成空间选择权重，从而增强目标相关线索并抑制背景干扰。目标-背景响应约束进一步提升了特征判别性。自适应局部-全局对齐模块（Adaptive Local–Global Alignment，ALGA）将连续的局部跨尺度交互与区域级全局依赖相结合，以改善空间对应性并保留弱目标证据，同时自适应地融合局部与全局信息。在AI-TOD、VisDrone2019和MS COCO 2017上的大量实验，使用包括RetinaNet、Faster R-CNN、Cascade R-CNN和DetectoRS在内的多种代表性基线检测器，验证了WRA-FPN检测性能的提升。在AI-TOD上，WRA-FPN相较于对应的RetinaNet和DetectoRS基线，AP分别提升了4.4%和2.4%。

一、研究背景与问题

微小目标检测是遥感图像解译中的基础性任务，广泛应用于交通监控、海上监视、灾害评估、环境监测和城市管理等对地观测场景。高分辨率卫星和无人机图像中普遍存在微小目标，其准确检测对上述应用具有重要意义。然而，现代检测器在微小目标上仍存在显著的性能退化。由于空间范围极为有限，微小目标仅包含稀疏的外观和结构信息，容易被复杂背景、噪声和邻近实例干扰。连续下采样进一步削弱了这些有限线索，导致低响应和低判别性的特征表示。作为现代检测器的关键组成部分，特征金字塔网络（Feature Pyramid Network，FPN）通过将高层语义传播到高分辨率特征并在各金字塔层级间整合信息来构建多尺度表示，因此FPN构建的多尺度表示质量对微小目标检测尤为关键。

然而，传统FPN在微小目标检测中仍存在两个关键局限。第一，微小目标的弱响应在金字塔构建过程中未被显式增强。现有研究虽已探索多种特征增强策略，如识别信息退化区域并增强弱响应、聚合多尺度上下文信息等，也有方法引入频域信息利用小目标的结构特性，但频域信息在特征金字塔中使用时，高频响应本身并不能确保目标-背景分离。背景区域在高频提取及后续增强处理后仍可能表现出强响应，并可能与有用的目标细节一起被增强。这促使需要一种更具选择性的增强机制，强调目标相关结构信息同时抑制无关响应。第二，传统FPN在跨尺度特征融合过程中空间感知能力有限。微小目标证据集中在少数空间位置，对自上而下传播中引入的微小偏移尤为敏感。现有融合方案仍可能遭受不连续的跨尺度对应和背景主导的聚合问题，导致弱微小目标证据在融合过程中丢失。

二、研究内容与结论

针对上述问题，研究人员提出了弱响应感知特征金字塔网络（Weak-Response-Aware Feature Pyramid Network，WRA-FPN），由选择性小波增强模块（Selective Wavelet Enhancement Module，SWE）和自适应局部-全局对齐模块（Adaptive Local–Global Alignment Module，ALGA）两个组件构成。SWE采用尺度自适应墨西哥帽小波提取局部结构响应，并结合当前层级特征和高层语义信息识别目标相关成分，通过残差路径注入所选响应，同时施加目标-背景响应约束提升其与周围杂波的判别性。ALGA建立连续的局部跨尺度交互以补偿空间偏差，并引入区域级全局依赖以补充微小目标有限的局部证据，局部与全局路径根据特征内容自适应整合。实验在AI-TOD、VisDrone2019和MS COCO 2017三个数据集上进行，采用RetinaNet、Faster R-CNN、Cascade R-CNN和DetectoRS等多种代表性基线检测器，以及DINO-5scale Transformer检测器。结果表明WRA-FPN在所有数据集和检测器上均带来一致的性能提升，验证了其有效性和通用适用性。

三、关键技术方法

研究人员主要采用了以下关键技术方法：其一，选择性小波增强模块（SWE），使用尺度自适应墨西哥帽小波核通过深度可分离卷积提取局部高频响应，结合空间门控和通道重标定实现目标相关结构的选择性增强，并施加目标-背景响应约束提升判别性；其二，自适应局部-全局对齐模块（ALGA），通过深度可分离卷积实现连续局部跨尺度交互，通过自适应池化构建区域令牌并进行多头交叉注意力建模全局语义依赖，再由内容自适应门控融合局部与全局输出；其三，将WRA-FPN作为与检测器无关的颈部网络集成到现有FPN-based检测框架中，不修改骨干网络或预测头，推理时仅包含SWE和ALGA，无需额外标注或辅助预测分支。

四、研究结果

AI-TOD数据集结果： 将标准FPN替换为WRA-FPN后，RetinaNet的AP从13.7%提升至18.1%，Faster R-CNN、Cascade R-CNN和DetectoRS的AP分别从18.3%、20.2%和22.8%提升至22.4%、23.5%和25.2%。在相同DetectoRS配置下，WRA-FPN达到25.2% AP，超过SR-TOD、RFLA、FIDP和HS-FPN等方法。集成到DINO-5scale后达到32.5% AP，在所比较的Transformer-based方法中最高。

VisDrone2019数据集结果： RetinaNet的AP从23.7%提升至25.3%，Faster R-CNN、Cascade R-CNN和DetectoRS的AP分别从23.9%、25.2%和26.3%提升至26.8%、28.9%和29.2%。微小目标改善尤为显著，Faster R-CNN的AP_t从6.5%提升至12.4%，Cascade R-CNN和DetectoRS分别从7.0%和7.5%提升至13.1%和12.7%。DINO-5scale配置下达到33.1% AP，在AP_0.5、AP_vt和AP_t上表现更优。

MS COCO 2017数据集结果： WRA-FPN将Faster R-CNN的AP提升0.6%，AP_0.5提升1.0%，AP_0.75提升0.7%。尺度-wise结果显示小物体改进最大，AP_s提升1.3%，AP_m提升0.7%，AP_l略微下降0.3%。

消融实验： 在Faster R-CNN和Cascade R-CNN上分别验证了SWE和ALGA的独立有效性及组合增益。SWE单独引入在VisDrone2019和AI-TOD上分别提升AP至26.5%和22.0%（Faster R-CNN），ALGA单独引入分别提升至26.1%和20.8%。两者组合达到最高AP。对SWE中可学习尺度参数初始值、目标-背景响应约束的margin、约束权重λ以及选择性机制的分析表明，各超参数在合理范围内具有鲁棒性，选择性注入优于直接注入小波响应，特征响应可视化证实SWE能增强微小目标响应同时抑制背景激活。

五、讨论与结论

实验结果表明WRA-FPN在多个数据集和检测器上均取得了一致性能提升，验证了选择性增强目标相关弱响应并在跨尺度传播中保留稀疏目标证据的有效性。WRA-FPN的收益与目标尺度密切相关，对小物体尤为有益，而中等和大型物体因保留更丰富的语义和空间信息，边际增益较小。这解释了在MS COCO 2017上整体提升较为适中的原因。然而，WRA-FPN仍存在局限：极微小目标在骨干网络下采样后可能仅保留少量有效响应，一旦细粒度线索严重衰减，特征级增强和金字塔融合无法完全恢复丢失信息；密集排列且视觉相似的微小目标仍难以分离和定位；WRA-FPN相比标准FPN引入额外计算开销，推理速度有所降低。未来工作可探索分辨率保持的特征学习或超分辨率技术以在严重信息丢失前保留或部分恢复细粒度目标线索，联合设计选择性增强与尺度感知标签分配，以及开发更高效的增强和融合机制。总体而言，WRA-FPN为微小目标检测提供了有效解决方案，并为进一步改进留有空间。