《International Journal of Digital Earth》：ESA-Det: edge and spatial adaptive network for robust object detection in remote sensing imagery
编辑推荐：
光学遥感影像中的目标检测面临语义抽象与精细结构线索保留之间的张力，尤其对于淹没在杂波中的小尺度、长条形及低对比度目标。深度卷积层次结构在渐进下采样过程中倾向于弱化边界信息，常导致定位不稳定性和鲁棒性下降。为应对这一表征退化问题，研究人员提出ESA-Det（Ed
光学遥感影像中的目标检测面临语义抽象与精细结构线索保留之间的张力，尤其对于淹没在杂波中的小尺度、长条形及低对比度目标。深度卷积层次结构在渐进下采样过程中倾向于弱化边界信息，常导致定位不稳定性和鲁棒性下降。为应对这一表征退化问题，研究人员提出ESA-Det（Edge and Spatial Adaptive Detector，边缘与空间自适应检测器），一种在强化空间结构的同时保持高计算效率的轻量化框架。ESA-Det包含两个互补组件：（1）边缘先验注入注意力（Edge-Prior Infused Attention，EPIA）模块，引入固定的方向性梯度线索以稳定特征层次内的边界响应；（2）空间自适应融合（Spatial Adaptive Fusion，SAF）模块，通过紧凑的选择性融合空间校准机制逐步精炼中间表征。在DOTA-v1.5、HRSC2016和NWPU-VHR-10上的大量实验表明其具有竞争力，仅以6.6 GFLOPs和2.89 M参数即实现74.8%、95.4%和92.9%的平均精度均值（mean Average Precision，mAP）。These results suggest that explicit edge priors and adaptive spatial refinement provide a promising direction toward structurally robust remote sensing object detection under complex imaging conditions.（这些结果表明，显式边缘先验与自适应空间精炼为复杂成像条件下结构鲁棒的遥感目标检测提供了一个有前景的方向。）
该研究聚焦于光学遥感影像目标检测任务，发表在《International Journal of Digital Earth》。研究背景源于遥感影像目标检测面临的核心矛盾：语义抽象需求与精细结构线索保留之间的张力。具体而言，高分辨率航空与卫星影像常包含复杂背景、大场景变异度，以及小尺度、长条形或密集簇状目标；同时，深度卷积网络通过重复下采样提取特征时，高频结构信息（如边缘和轮廓）被抑制，导致边界模糊和定位不准。现有轻量化检测器存在两个根本局限：其一，常规卷积神经网络架构弱化边缘和形状线索，这些线索对于区分小尺度或低对比度目标至关重要；其二，近期许多改进依赖更深的主干网络或注意力密集型模块，增加了计算开销，限制了在大型遥感平台上的部署。因此，在保持低计算开销的同时实现高鲁棒性仍是开放挑战。
研究人员开展此项研究，旨在设计一种轻量化单阶段检测器，联合增强边界保真度与空间特征自适应性。研究提出的ESA-Det框架引入两个功能互补的组件：EPIA模块在浅层特征阶段注入固定Scharr梯度先验以强化边界感知，SAF模块在深层阶段通过紧凑多分支空间校准与自适应融合提升空间自适应性。研究结论表明，该设计在显著降低计算复杂度的同时，有效提升了小尺度、长条形及低对比度目标的检测鲁棒性，为复杂遥感场景下的可靠目标检测建立了兼顾结构表征与计算可行性的架构范式。
研究采用的主要关键技术方法如下：基于YOLOv12框架构建整体检测架构，输入图像尺寸统一为640×640像素；EPIA模块采用固定非可学习的Scharr卷积核提取方向性梯度响应，并通过通道维度扩展（Channel-Dimension Expansion，CDE）与可学习权重与语义分支融合；SAF模块包含自适应特征校准（Adaptive Feature Calibration，AFC）、融合门控（Fusion Gate）和特征增强适配器（Feature Enhancement Adaptor，FEA）三个子组件，通过多尺度深度可分离卷积与轻量级门控机制实现空间自适应融合；实验外于四个公开基准数据集，包括DOTA-v1.5（1,411张训练图像、458张验证图像、937张测试图像）、HRSC2016（436张训练图像、181张验证图像、444张测试图像）、NWPU-VHR-10（约650张含目标图像）以及SIRST v2（360张训练图像、103张验证图像、51张测试图像）；使用SGD优化器配合余弦退火学习率策略，训练500个epoch，并采用Mosaic、MixUp等数据增强技术。
研究背景与动机方面，引言部分系统梳理了遥感目标检测的应用需求与技术演进。从基于手工特征（HOG、SIFT、SURF）和规则处理的传统方法，到基于深度学习端到端特征学习的区域方法（R-CNN系列）和单阶段密集预测器（RetinaNet、YOLO系列），检测精度和效率持续提升，但鲁棒检测仍面临挑战。
在EPIA模块设计中，为解决高分辨率遥感影像中目标边界细微、形状不规则、与复杂背景对比度低的问题，该模块通过显式引入确定性梯度先验增强结构可区分性。EPIA包含两个并行分支：非可学习的Scharr分支提取稳定的方向敏感边缘响应，以及语义卷积分支捕获上下文信息。两个分支的输出经通道拼接后通过1×1卷积压缩，再以残差连接加回输入特征。具体而言，固定的3×3 Scharr核k
x和k
y分别计算水平和垂直方向梯度，通过通道维度扩展形成深度可分离卷积滤波器，边缘先验特征E由可学习标量权重λ
x和λ
y调制；语义特征C由标准卷积块提取；两者拼接后经1×1卷积和SiLU激活函数融合，最终与输入特征的投影shortcut相加。该设计重新引入了深度卷积处理中通常被抑制的结构边界线索。
SAF模块设计针对深层特征阶段需要捕获广阔空间上下文但易丢失精细结构线索的困境。SAF采用紧凑多分支结构，通过轻量卷积门控协调局部增强与上下文聚合。核心组件包括：AFC通过可学习的缩放和平移参数γ、α、β进行非线性特征校准；融合门控将校准特征线性投影后经GELU激活，分裂为1×1线性分支X
L捕获平滑空间模式，以及3×3深度可分离分支X
S强调局部边缘纹理，再通过元素乘法和投影自适应融合；FEA首先对输入进行层归一化和可学习权重调制，然后聚合3×3、5×5、7×7三种核大小的深度可分离卷积输出，经1×1卷积混合通道响应，最后通过瓶颈投影和残差连接增强特征紧凑性。SAF遵循"AFC → FEA → AFC → Fusion Gate → FEA"的顺序处理流程，实现结构增强与语义巩固的逐步强化。
在DOTA-v1.5上的对比实验中，ESA-Det取得74.8%的mAP，较YOLOv12n基线的66.9%提升7.9%，同时参数量仅2.89 M、计算量6.6 GFLOPs。相较于ReDet、RT-DETR等Transformer方法（参数量高达20 M、计算量超50 GFLOPs），ESA-Det以极低成本获得可比的精度。类别层面，ESA-Det在小型车辆（70.4% AP）、桥梁、舰船、港口等长条形和结构敏感目标上表现突出，直升机类别达93.7% AP为所有对比方法最优。可视化结果表明，基线模型将机场标识和登机桥误检为飞机、漏检环形交叉路口，而ESA-Det成功检测这些复杂背景下的目标。
在HRSC2016上的对比实验中，ESA-Det达到95.4% mAP，超越所有对比方法，较基线YOLOv12n的91.9%提升3.5个百分点。尤其在舰船目标检测中，基线模型将岛屿和码头误检为舰船、漏检小型船只，而ESA-Det在波浪干扰和密集分布条件下实现准确检测。
在NWPU-VHR-10上的对比实验中，ESA-Det取得92.9% mAP，与YOLOv12（91.7%）、RT-DETR（91.7%）和Mashformer（93.8%）相比具有竞争力。在舰船（97.5% AP）、运动场（97.8% AP）和篮球场（99.0% AP）等具有大 intra-class 变异和复杂背景的目标上表现优异。
在SIRST v2跨模态红外弱小目标检测实验中，ESA-Det取得95.00% mAP，较最优竞争方法提升约9.4%，证明其对红外低对比度、弱结构线索场景的强泛化能力。
消融实验分析方面，DOTA-v1.5上的渐进式消融显示：基线64.0% mAP，单独EPIA提升至65.6%，单独SAF提升至70.8%，两者结合达72.0%，加入迁移学习后最终达74.8%。HRSC2016上的消融显示类似趋势：单独EPIA提升至92.4%，单独SAF提升至93.9%，结合后94.5%，加入迁移学习达95.4%。梯度算子对比实验表明，Prewitt和Sobel算子反而使性能降至90.0%，而Scharr算子实现最优的95.4% mAP。SAF组件消融显示：仅融合门控92.0%，AFC+融合门控93.0%，完整SAF达95.4%。AFC与FEA配置消融表明，2个AFC配2个FEA的组合最优（95.4% mAP），验证了渐进校准-增强流程的必要性。特征图可视化显示，ESA-Det在目标边界处激活更丰富的边缘相关特征，而基线模型在这些区域表现较弱。
环境鲁棒性评估选取了雾天、波浪干扰、低光照、目标与背景相似外观、部分遮挡等复杂条件下的测试子集。结果表明，基线模型在这些条件下出现漏检和误检，而ESA-Det成功检测所有目标，展现出强鲁棒性和泛化能力。
讨论与研究结论部分，研究人员总结了EPIA与SAF的互补作用机制：EPIA主要在浅层和中间阶段运作，通过注入稳定梯度先验增强边界敏感性，改善小尺度、低对比度和长条形目标的定位；SAF则聚焦深层特征精炼，强化上下文表征和空间自适应性。两者功能互补而非简单叠加，EPIA提供的细粒度边界信息补充了SAF的上下文感知精炼，结合后产生协同效应而非单一模块的主导。尽管SAF的独立贡献更大，EPIA提供的结构线索是SAF单独无法捕获的，这一不对称但互补的关系通过不同数据集的一致改进得到验证。ESA-Det建立了一种兼顾结构表征增强与计算可行性的原则性紧凑架构范式，为未来在更广泛感知条件和扩展任务设置下的系统评估提供了技术基础。
