ASA-DETR：一种结合自适应稀疏注意力机制与RT-DETR的遥感滑坡检测方法，具备多尺度频率感知特征学习功能

《International Journal of Applied Earth Observation and Geoinformation》：ASA-DETR: Adaptive sparse attention enhanced RT-DETR for remote sensing landslide detection with multi-scale frequency-aware feature learning

　　

宋汉宇|杨晖

摘要

通过遥感影像准确检测滑坡对于地质灾害监测至关重要。然而，现有方法在处理复杂地质纹理时特征提取不足，多尺度融合效果有限，且对小型目标的检测性能较差。本文提出ASA-DETR，这是一种基于RT-DETR的新型滑坡检测算法，它通过改进的轻量级主干网络、联合空间频率域特征学习模块以及自适应多尺度注意力融合机制来解决这些难题。我们还构建了RSLD-2K数据集，其中包含来自Google Earth、Planet Labs和Sentinel-2的2,299张图像及6,545个滑坡标注。在RSLD-2K数据集上的实验表明，ASA-DETR的mAP@0.5值为73.2%，mAP@0.5:0.95值为52.5%，分别比基准算法RT-DETR高出3.7%和2.2%，同时参数数量减少了7.6%。在DOTAv2数据集上的跨领域实验中，其mAP@0.5值为55.1%，这说明该算法在更广泛的遥感检测场景中也具备一定的通用性。