DQSA-DETR：面向遥感图像微小目标检测的密度引导自适应DETR框架

《IEEE Aerospace and Electronic Systems Magazine》：DQSA-DETR: A Density-Guided Adaptive DETR Framework for Tiny Object Detection in Remote Sensing Images

　　

摘要：

遥感图像中的小目标检测仍然极具挑战性，原因在于目标尺寸极小、背景复杂、特征表示较弱，以及各图像间目标密度差异显著。尽管基于DETR的方法通过引入Transformer架构显著提升了检测性能，但在此任务上其表现仍不理想。这主要是因为它们难以在背景干扰下有效增强微弱的小目标特征，难以根据变化的目标密度自适应分配查询预算，也难以缓解小目标的分类置信度与定位质量之间的错位问题。为解决上述问题，我们提出了DQSA-DETR，一种面向遥感小目标检测的密度引导自适应DETR框架。具体而言，DQSA-DETR在编码器之后集成了密度引导特征增强（DGFE）模块，以增强小目标的特征表示并抑制背景干扰，尤其是在局部稠密区域；在解码器之前嵌入了密度驱动自适应查询（DDAQ）机制，根据图像级目标密度动态分配查询预算，同时减少解码器计算量；并在训练过程中引入了质量感知分类损失（QCL），以提升小目标的分类置信度与定位质量之间的一致性。在AI-TOD-V2、VisDrone-2019、DOTA-v1.0和RS-STOD上的实验结果表明，DQSA-DETR分别取得了30.5%、35.9%、48.2%和34.7%的AP得分，优于强基线方法和多种最新方法。与DQ-DETR相比，DQSA-DETR在将GFLOPs降低53.6%的同时实现了更高的AP，展现出在大查询检测设置下优异的精度-计算量权衡。DQSA-DETR的代码可在 https://github.com/gfnanxi/DQSA-DETR 获取。