ASMNet：轴解耦稀疏挖掘技术，用于高效的遥感目标检测

《Expert Systems with Applications》：ASMNet: Axis-Decoupled Sparse Mining for Efficient Remote Sensing Object Detection

　　摘要
遥感目标检测（RSOD）需要在保持计算效率的同时，实现有效的远距离上下文建模。现有的大核主干网络通常通过密集的空间聚合来扩大感受野，这可能会引入多余的空间交互和不可忽略的计算开销，特别是对于高分辨率的遥感图像。为了解决这个问题，我们提出了一种轻量级且易于部署的主干网络，称为轴解耦稀疏挖掘网络（ASMNet），用于高效进行RSOD。ASMNet中的ASM模块将二维上下文建模分解为沿高度和宽度轴的稀疏挖掘，从而减少了不必要的密集空间交互，同时保持了远距离表示能力。在ASM模块内部，目标感知稀疏挖掘（TASM）作为核心机制，从紧凑的轴向候选者中选择性地挖掘与目标一致的稀疏关系。通过引入轴感知的目标先验和轻量级的坐标偏移选择，TASM使得ASMNet能够以目标感知、易于定位且计算效率高的方式捕捉有用的远距离依赖关系。在DOTA系列数据集和DIOR-R上的广泛实验表明，ASMNet在多种检测框架中实现了良好的准确性-效率 Trade-off。值得注意的是，ASMNet-T在DOTA-v1.5单尺度设置上的mAP达到了72.43%，而仅使用了PKINet-S 29.8%的FLOPs，并且推理速度显著更快。在设备上的部署实验进一步验证了ASMNet在边缘计算场景中的实际效率。这些结果表明，ASMNet有效满足了RSOD的远距离建模要求，同时保持了轻量级、高效和易于部署的特点。代码将在xxxxxx处提供。

引言
随着卫星和无人驾驶飞行器成像技术的快速发展，遥感目标检测（RSOD）已成为地理空间智能分析中的关键任务（Fu & Fang (2025); Hsu, Huang, & Lin (2025); Jia et al. (2026); Liang et al. (2025); Liu et al. (2024); Tang et al. (2025); Zhou et al. (2025b)）。遥感图像通常是从空中或卫星平台以鸟瞰视角捕获的，提供了地球表面的大规模和高分辨率观测（Chen, Wang, Wei, Sun, & Yang (2026a); Fang, Wang, Chen, & Li (2026); Gao, Zhao, Liu, Chen, & Li (2026); Yuan, Wu, Zhao, Zhang, & Chen (2025); Zhang et al. (2026)）。然而，这种成像方式也对RSOD提出了重大挑战：对象在大规模场景中分布稀疏，前景目标只占据有限的区域，大部分像素属于复杂的背景区域（Fu, Ni, Peng, & Peng (2025); Shi et al. (2026); Xu et al. (2026); Ye, Lei, Zhang, & Zhang (2026); Zha et al. (2025)）。同时，最近关于图像恢复、视觉编码和高效目标检测的研究也强调了在复杂成像条件下鲁棒和高效视觉表示的重要性（Gao et al. (2023); Li, Gao, An, Chen, Zhang, Wen, Liu, Zhang, 2025a, Li, Liao, Tang, Zhang, Li, Bian, Sheng, Feng, Li, Gao, et al., 2025b; Wen, Gao, Chen, Li, Liu, Liu, 2025a, Wen, Gao, Li, Zhang, Zhang, Chen, 2025b, Wen, Gao, Li, Zhang, Zhang, Chen, Liu, 2026a, Wen, Gao, Liang, Zhang, Li, Qin, Chen, 2026b）。这些研究进一步表明，改进特征表示对于在具有挑战性的场景中进行可靠的视觉感知是必不可少的。例如，图1显示了DOTA-v1.0数据集中的一个代表性图像。尽管像车辆和港口这样的类别在数据集中包含大量实例，但它们在高分辨率遥感图像中的分布仍然是空间稀疏的。同时，如图1所示，遥感场景在不同对象类别（例如，车辆和港口）之间也表现出显著的尺度变化，并且包含大量与目标检测无关的背景区域。由于尺度变化的挑战，最近的RSOD主干网络越来越强调通过扩大有效感受野来增强上下文建模。代表性方法主要依赖于大核或大条带核卷积架构，包括LSKNet (Li et al. (2023a)、Strip R-CNN (Yuan et al. (2026)) 和 PKINet (Cai et al. (2024))。通过在较大的空间区域聚合特征，这些方法有效地扩展了主干网络的感受野，从而提高了对小对象、大对象和具有复杂结构的目标的检测性能。然而，大规模区域的密集空间聚合不可避免地引入了多余的交互和额外的计算开销。在高分辨率遥感图像中，这个问题更加明显，因为对象在空间上分布稀疏，大量背景像素参与了密集的聚合。因此，尽管大区域聚合有利于建模尺度变化的目标，但它并不总是与遥感场景中对象的稀疏空间分布相匹配（Lu, Yang, & Chen (2026)）。这种不匹配增加了对高效上下文建模的需求，特别是在推理效率和模型紧凑性很重要的实际部署场景中（Zhou et al. (2025a)）。因此，一个自然且重要的问题是：我们如何在不使主干网络变得过于复杂和难以部署的同时，有效地建模RSOD所需的远距离依赖关系，并减少由密集上下文聚合带来的冗余计算？

为了回答这个问题，我们重新审视了遥感图像的成像特性。与通常具有强烈透视结构和重力相关布局的自然图像不同，遥感图像是从自上而下的视角观察到的。因此，图像平面上的高度和宽度方向对于上下文建模来说是相对公平和对称的。同时，遥感场景中的信息丰富的远距离依赖关系并不一定在整个二维特征平面上密集分布。相反，有用的上下文线索往往沿着某些空间方向（如道路、跑道、船尾迹、物体轮廓和长条形结构）稀疏出现。这表明，密集的二维聚合并不总是必要的（Munir, Avery, & Marculescu (2023); Spadaro, Grangetto, Fiandrotti, Tartaglione, & Giraldo (2025)）。一个更有效的解决方案是将远距离上下文建模分解为沿高度和宽度轴的稀疏挖掘（Yuan et al. (2026)）。然而，仅仅构建稀疏轴向关系仍然是不够的。稀疏偏移特征（Avery, Munir, & Marculescu (2024)）可以提供远距离上下文候选者，但并非所有候选关系都对目标检测同样有用（Munir, Avery, Rahman, & Marculescu (2024)）。一些稀疏关系对应于目标范围、结构连续性或区分性边界，而其他关系可能来自背景杂乱、重复纹理或无关的邻近区域。直接聚合所有稀疏候选者可能会削弱与目标相关的证据并引入不必要的干扰。因此，稀疏远距离建模应不仅包括关系构建，还包括目标感知的关系选择。基于上述动机，我们提出了一种用于RSOD的轻量级主干网络，称为轴解耦稀疏挖掘网络（ASMNet）。ASMNet的核心组件是轴解耦稀疏挖掘（ASM）模块，它包含两个对称分支，即ASM-Height和ASM-Width。高度分支沿垂直方向挖掘稀疏依赖关系，而宽度分支沿水平方向挖掘稀疏依赖关系。这种设计自然符合遥感图像的自上而下的成像几何结构。通过将ASM模块整合到主干网络中，ASMNet实现了轴解耦的远距离上下文建模，减少了冗余的空间交互，同时保持了有效的表示能力。在ASM内部，我们进一步引入了目标感知稀疏挖掘（TASM）作为关键的稀疏挖掘机制。TASM首先通过沿特定轴移动特征来构建一组紧凑的轴向稀疏关系候选者。然后，TASM不是直接聚合所有候选者，而是通过保持坐标的方向编码生成轴感知的目标先验。这种编码在一个空间方向上捕捉远距离上下文，同时在另一个方向上保持位置信息（Hou, Zhou, & Feng (2021)）。在这种先验的引导下，TASM调节稀疏候选者并进行坐标偏移选择，以挖掘与目标一致的稀疏证据。通过这种方式，ASMNet以易于定位和计算高效的方式捕捉远距离依赖关系。所提出的ASMNet旨在满足RSOD的远距离建模要求，同时保持轻量级的推理。与密集的空间聚合相比，轴解耦的稀疏挖掘减少了在整个二维特征平面上的不必要的交互。与直接聚合稀疏关系相比，TASM在特征融合之前进一步选择了与目标一致的稀疏证据。因此，所提出的设计更好地平衡了上下文表示、定位准确性和部署效率。本工作的主要贡献总结如下：
1. 我们设计了轴解耦稀疏挖掘（ASM）模块，以对称的方式沿高度和宽度轴挖掘稀疏依赖关系，提供了一种高效的方法来捕捉与遥感图像自上而下几何结构一致的稀疏远距离上下文。
2. 我们引入了目标感知稀疏挖掘（TASM），这是一种从紧凑的轴向候选者中选择性地挖掘有用稀疏关系的机制。通过保持坐标的方向编码，TASM生成轴感知的目标先验，用于挖掘与目标一致的稀疏证据。
3. 基于所提出的ASM模块和TASM机制，我们构建了ASMNet，这是一种结合了高效轴解耦远距离建模和目标感知稀疏证据挖掘的主干网络，适用于面向部署的RSOD。
4. 在DOTA系列数据集和DIOR-R上的广泛实验表明，ASMNet在多种检测框架中实现了良好的准确性-效率 Trade-off。值得注意的是，ASMNet-T在DOTA-v1.5单尺度设置上的mAP达到了72.43%，而仅使用了PKINet-S 29.8%的FLOPs，并且推理速度显著更快，证明了其在轻量级和面向边缘的RSOD中的有效性。

第节片段
RSOD中的主干网络
在遥感目标检测（RSOD）领域，早期的主干网络通常采用通用架构，如ResNet-50（He, Zhang, Ren, & Sun (2016)）。随着定向目标检测的发展，YOLO系列（Khanam & Hussain (2024); Rajendran, Srinivasan, & Rathakrishnan (2025); Redmon (2018); Wang, Bochkovskiy, & Liao (2023)）在结合定向边界框（OBB）检测头后也在遥感场景中表现出了强大的性能。

方法论
在本节中，我们介绍了所提出的轴解耦稀疏挖掘网络（ASMNet）。ASMNet不依赖于密集的全局注意力或大核聚合。相反，它将二维上下文建模分解为轴向稀疏挖掘，从而减少了冗余的空间交互，同时保持了远距离表示能力。具体来说，第3.1节介绍了ASM模块的动机、公式化和理论依据，这是SMS的核心组件。
• DOTA-v1.0（Xia et al. (2018) 是一个为RSOD设计的综合数据集，包含2806张图像、188,282个对象实例和15个不同方向和大小的类别。
• DOTA-v1.5（Xia et al. (2018）是DOTA-v1.0的增强版和更具挑战性的版本，为2019年DOAI挑战赛而引入。这个版本引入了一个新类别，即集装箱起重机（CC），使实例总数达到403,318个。
• DOTA-v2.0（Xia et al. (2018）是一个更大、更具挑战性的版本。

移动部署配置
为了评估所提出的主干网络在现实世界边缘场景中的实际效率，我们还在一台商用智能手机上部署了ASMNet，并测量了其在设备上的推理速度。

结论
本文提出了ASMNet，作为一种适用于遥感目标检测的高效主干网络，其中稀疏的目标分布、复杂的背景和高分辨率输入使得传统的密集上下文聚合不太实用。ASMNet引入了一种轴解耦的稀疏挖掘范式，通过沿高度和宽度方向的稀疏关系挖掘来建模远距离依赖关系。在ASM模块内部，

作者声明
张军：方法论、算法、验证、形式分析、调查、数据策划、实验、可视化、写作——原始草稿。
王国庆：概念化、资源、监督、项目管理、资金获取。
李天宇：概念化、方法论讨论、监督、项目管理、资金获取、写作——审阅与编辑。
王鹏：验证、写作——审阅与编辑。

利益冲突声明
作者声明他们没有已知的竞争财务利益或个人关系可能会影响本文中报告的工作。