0228004-1第60卷第2期/2023年1月/激光与光电子学进展研究论文基于YOLOX-Tiny的轻量级遥感图像目标检测模型郎磊1，刘宽2，王东1*1北京交通大学计算机与信息技术学院，北京100044；2郑州轻工业大学计算机与通信工程学院，河南郑州450001摘要为了解决高分辨率遥感图像目标检测存在的背景复杂多样、密集的物体分布及目标尺度差异大等问题，同时考虑到应用场景对模型资源的限制，提出了一种基于YOLOX-Tiny的轻量级遥感目标检测网络。首先采用多尺度预测方法增强对密集目标的检测能力；其次引入协同注意力模块提高重要特征关注度，抑制背景噪声；再者通过可变形卷积替换关键预测卷积层，强化空间建模能力；最后优化损失函数，改善遥感目标定位精度。在公开的遥感图像目标检测数据集DIOR上评估了所提算法的有效性，实验结果表明：相比基准算法（YOLOX-Tiny），所提算法在平均精度（AP）和AP50指标上分别提升4.1个百分点和4.42个百分点；在保持较高精度的前提下，每秒检测帧数（FPS）达到46，可满足实时检测的需求，优于其他先进算法。关键词遥感；目标检测；YOLOX-Tiny；遥感图像；协同注意力模块；可变形卷积；CIOU中图分类号TP391.4文献标志码ADOI：10.3788/LOP212699LightweightRemoteSensingObjectDetectorbasedonYOLOX-TinyLangLei1,LiuKuan2,WangDong1*1SchoolofComputerandInformationTechnology,BeijingJiaotongUniversity,Beijing100044,China;2ComputerandCommunicationEngineering,ZhengzhouUniversityofLightIndustry,Zhengzhou450001,Henan,ChinaAbstractTosolveproblemsinthecomplexgeometryscene,denseobjectdistribution,andthelargerangeofobjectsizevariationsinhigh-resolutionremotesensingobjectdetectionandtoaddressthelimitationsofmodelresourcesinapplicationscenarios,alightweightremotesensingobjectdetectorbasedonYOLOX-Tinyisproposed.Amulti-scalepredictionmethodisusedtoenhancethedetectioncapabilityofdenseobjects.Moreover,acoordinateattentionmoduleisintroducedtoimprovetheattentionofimportantcharacteristicswhilesuppressingbackgroundnoise.Thekeypredictionconvolutionlayerisreplacedbydeformableconvolutiontostrengthenthespatialmodelingcapability.Finally,thelossfunctionisoptimizedtoincreasethelocalizationaccuracyofremotesensingobjects.Theeffectivenessoftheproposedalgorithmisevaluatedo...
