基于稀疏掩模Transformer的遥感图像目标检测方法

针对遥感图像中目标尺度差异较大和方向分布随机等导致检测精度较低的问题，提出一种基于稀疏掩模Transformer的遥感目标检测方法。该方法以Transformer网络为基础，首先引入角度参量，使其适应遥感目标的旋转特性；其次在特征提取部分以多层级特征金字塔为输入，以应对遥感图像目标尺寸变化大的特点，提高对不同尺度目标的检测效果，尤其对小目标的检测效果提升明显；最后以稀疏-插值注意力模块代替自注意力模块，有效缓解了Transformer网络检测高分辨遥感图像时计算量大的缺陷，并且加快了网络的收敛速度。在大型遥感数据集DOTA上的实验结果表明，所提方法的平均检测精度为78.43%，检测速度为12.5 frame/s，与基准方法相比，平均精度均值（mAP）提高了3.07个百分点，证明了所提方法的有效性。