一种针对卫星光学遥感图像中输电塔检测的优化复合YOLO模型 冷润明、 张国、 郝卫风、 郭炳轩、 朱春阳

《Remote Sensing》：An Optimized Composite YOLO Model for Transmission Tower Detection in Satellite Optical Remote Sensing Imagery Runming Leng, Guo Zhang, Weifeng Hao, Bingxuan Guo and Chunyang Zhu

　　

摘要

安全的低空飞行需要对诸如通信塔这样的障碍物进行精确的感知。传统的检测方法往往成本高昂且效率低下。虽然卫星遥感技术可以实现自动检测，但通信塔具有较小的尺寸、纤细的结构以及随机的方向，这会导致特征丢失和感知场不匹配的问题。本研究构建了HRS-PTD，一个多源、多分辨率的卫星光学数据集，并分析了目标物体的形态特征。接下来，我们提出了一种优化的复合YOLO模型，该模型采用了经过简化的三阶段算法，并结合了C3k2和SPPF模块。为了增强对小物体的特征重建能力，我们在上采样路径中集成了CARAFE技术，以实现具有内容感知能力的动态核处理。此外，我们还开发了一个具有方向感知功能的C_DCA模块，该模块利用可变形卷积、多方向条带分支和自适应注意力机制来改进对纤细目标物体的表示效果。通过消融实验验证，该模型的 mAP 达到了92.28%，其精确度和召回率分别比基线模型提升了1.53个百分点和12.12个百分点。与代表性的经典检测器相比，实验进一步表明，所提出的模型在检测准确性和推理效率方面均表现更为优越。在Google Earth和Gaofen-7影像数据上的测试结果显示，该模型的准确率分别为88%和76%，证明了其在实际应用中的可行性。