中文标题:
OFCOS:一种用于遥感图像舰船检测的定向无锚检测器
摘要
船舶检测是遥感中的一个重要且具有挑战性的任务。目前,基于锚框的船舶检测器已经取得了显著的成果,但它们需要引入额外的参数,并且性能容易受到锚框尺寸的影响。本文提出了一种基于全卷积单阶段检测器(FCOS)的无锚框旋转检测器(OFCOS),用于船舶检测,该检测器可以端到端训练。具体而言,我们提出了一种特征增强的特征金字塔网络(FE-FPN),该网络优化了特征金字塔的结构,并在融合过程中引入了注意力机制,以增强目标特征的重要性。然后,为了更好地描述目标的方向,构建了一个具有方向特征的回归分支,并采用从中心到角落的边界框预测策略,以提高目标定位的准确性。此外,还优化了中心性的计算,使中心权重的分配具有方向感,并自适应地降低低质量预测的权重。我们构建了一个新的遥感船舶数据集,名为RS-Ship,以进一步验证OFCOS的有效性和鲁棒性。实验结果表明,OFCOS在公开数据集HRSC2016和我们自建的RS-Ship数据集上的平均精度(AP)分别达到了91.07%和97.05%,比FCOS分别高出13.01%和9.84%。在检测速度和检测精度方面,OFCOS均优于其他主流检测方法。
引言
目标检测是计算机视觉领域的一个热门研究课题,已广泛应用于军事和民用领域,如定点打击、无人驾驶车辆和智能监控等。近年来,使用遥感图像进行目标检测和识别引起了研究人员的极大关注。船舶是海域中的重要目标,有效监控它们对国家安全至关重要。在这封信中,我们基于光