《FFCA-YOLO》论文学习，面向遥感图像的小目标检测最新方法

一、概要

论文全称：《FFCA-YOLO for Small Object Detection in Remote Sensing Images》

发表期刊：IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING.(TGRS)2024

论文地址： FFCA-YOLO for Small Object Detection in Remote Sensing Images | IEEE Journals & Magazine | IEEE Xplore

源代码： yemu1138178251/FFCA-YOLO

         小目标检测问题一直是目标检测领域的前言，而遥感影像的小目标检测任务中特征表示不足、背景混淆等问题更加严重，这篇文章基于YOLO框架进行改进，通过增加三个即插即用的模块：特征增强模块(FEM)、特征融合模块(FFM)和空间上下文感知模块(SCAM)，显著增强了网络的局部感知能力、多尺度特征融合能力和跨通道、跨空间的全局关联能力，同时尽量避免增加复杂度。作者利用VEDAI和AI-TOD两个公共遥感小目标检测数据集和一个自建数据集USOD验证了FFCA-YOLO的有效性和性能的领先。

二、主要贡献

1)  针对遥感应用，设计了一种高效的小物体检测器（FFCA‑YOLO）及其精简版  L‑FFCA‑ YOLO。与几个基准模型和最先进的（SOTA）方法相比，FFCA‑YOLO  在小物体检测任务中具有先进的性能，并具有未来在机载实时应用的潜力。

2）提出了三个创新的轻量级即插即用模块：FEM、FFM和SCAM