北京网站优化企业,深入了解网站建设,网络营销的网站的分析,月牙河做网站公司摘要
在遥感影像#xff08;RSI#xff09;中#xff0c;准确且及时地检测包含数十像素的多尺度小目标仍具有挑战性。现有大多数方法主要通过设计复杂的深度神经网络来学习目标与背景的区分特征#xff0c;常导致计算量过大。本文提出一种兼顾检测精度与计算代价的快速准确…摘要
在遥感影像RSI中准确且及时地检测包含数十像素的多尺度小目标仍具有挑战性。现有大多数方法主要通过设计复杂的深度神经网络来学习目标与背景的区分特征常导致计算量过大。本文提出一种兼顾检测精度与计算代价的快速准确的遥感目标检测方法称为 SuperYOLO。该方法融合多模态数据并通过借助超分辨率SR学习在低分辨率LR输入下实现多尺度目标的高分辨率HR检测。首先我们设计了对称紧凑的多模态融合MF模块从多种数据中提取补充信息以提升遥感图像中小目标的检测效果。其次我们构建了简单灵活的超分支SR branch在训练阶段学习可区分小目标与广阔背景的高分辨率特征进一步提高检测精度。另外为避免增加推理阶段的计算开销SR 分支仅在训练时使用推理时予以丢弃且因输入为低分辨率图像而减少网络整体计算量。实验结果表明在常用的 VEDAI 遥感数据集上SuperYOLO 在 mAP50 指标上达到了 75.09%较 YOLOv5l、YOLOv5x 及专为遥感设计的 YOLOrs 等大型模型提高了超过 10%。同时SuperYOLO 的参数量和 GFLOPs 分别约为 YOLOv5x 的 1/18 和 1/3.8。所提模型在精度–速度权衡方面优于现有最先进方法。代码将开源于https://github.com/icey-zhang/SuperYOLO。
I. 引言
目标检测在计算机辅助诊断、无人驾驶等诸多领域具有重要作用。过去数十年间基于深度神经网络DNN的多种优秀目标检测框架[1–5]相继被提出与优化且在大规模自然图像数据集及其精确标注的推动下检测精度显著提升[6–8]。
与自然场景相比遥感影像RSI目标检测面临若干关键挑战
标注样本数量较少限制了 DNN 的训练效果
RSI 中目标尺寸极小仅占数十像素相对于复杂广阔的背景极易被淹没[9,10]
目标尺度多样不同类别间存在显著差异[11]。 如图 1(a)所示汽车在广阔区域中非常微小如图 1(b)所示相较于房车camping vehicle汽车尺度更小且变化多端。 图1 RGB图像、IR图像和ground truth GT的视觉对比。红外图像为解决RGB检测中的难题提供了重要的补充信息。(a)中的物体在广阔的区域内相当小。在(b)中物体有较大的变化其中汽车的规模小于露营车的规模。RGB和IR模态的融合有效地提高了检测性能。
当前多数检测技术仅针对单一模态如 RGB 或红外 IR[12,13]难以利用不同模态间的互补信息提升地表目标识别能力[14]。随着成像技术发展多模态遥感数据日益可得为提高检测精度提供了契机。例如将 RGB 与 IR 融合可有效增强遥感小目标的可检测性。另一方面某些模态分辨率偏低需要通过超分辨率技术提升图像细节。近期超分辨率方法在遥感领域展现出巨大潜力[15–18]但基于 CNN 的高性能 SR 网络计算开销大其在实时应用中的落地仍具挑战。
本研究旨在提出一款用于多模态遥感的实时高效目标检测框架在保证高精度与高速推理的前提下不增加额外计算负担。受轻量化实时神经网络的启发我们以小型 YOLOv5s[19] 作为检测基线其可降低部署成本并加速模型落地。考虑到小目标对高分辨率HR特征的需求我们移除基线模型中的 Focus 模块不仅有利于小而密集目标的定位也提升了检测性能。我们提出如下关键技术
像素级对称紧凑融合MF——在低计算代价下高效地双向融合 RGB 与 IR 等多模态信息相较于特征级融合进一步节省计算且不损失精度
辅助超分辨率分支SR branch——在训练阶段引入 SR 任务引导网络生成能区分小目标与背景的 HR 特征有效减少背景误报
无额外推理开销——SR 分支仅作为辅助任务训练后舍弃推理时保持低分辨率输入实现 HR 空间信息提取而不增加计算
优异的精度–速度权衡——SuperYOLO 在 VEDAI 数据集上显著超越现有实时及大型模型提升超过 10% mAP50且参数量和 FLOPs 大幅降低。
后续章节将依次介绍相关工作、方法细节、实验结果及分析。
A. 基于多模态数据的目标检测
近年来多模态数据已在众多实际应用场景中得到广泛应用包括视觉问答[20]、自动驾驶车辆[21]、显著性检测[22]以及遥感图像分类[23]。研究表明将多模态数据的内部信息进行融合能够有效传递互补特征避免单一模态信息的遗漏。 在遥感影像RSI处理领域来自不同传感器的多种模态如红-绿-蓝RGB、合成孔径雷达SAR、激光雷达LiDAR、红外IR、全色PAN和多光谱MS影像可相互补充以提升各类任务的性能[24–26]。例如附加的红外模态可捕获更长的热波段在恶劣天气下提升检测能力[27]。Manish 等人[27]提出了一种多模态遥感影像实时目标检测框架其扩展版本在中层融合阶段合并了多种模态数据。尽管多传感器融合如图 1所示能够提升检测性能但其较低的检测精度和亟待提升的计算速度难以满足实时检测的需求。
融合方法主要分为三类像素级融合、特征级融合和决策级融合[28]。决策级融合在最后阶段合并各分支检测结果可能因对每个模态分支重复计算而消耗大量资源。在遥感领域特征级融合被广泛采用将多模态影像分别输入并行分支提取各自特征后通过注意力机制或简单拼接等操作融合。但随着模态数增多并行分支带来成倍的计算开销不利于实时应用。
相比之下像素级融合能够减少不必要的计算。本文中我们的 SuperYOLO 在像素级对多模态进行融合通过空间和通道域的高效操作挖掘不同模态间的内部互补信息在大幅降低计算成本的同时提升检测精度。
B. 目标检测中的超分辨率
近期研究表明多尺度特征学习[29,30]和基于上下文的检测[31]能够改善小目标检测性能但这些方法往往侧重于多尺度信息的表示而忽略了高分辨率上下文信息的保留。作为预处理手段超分辨率SR已在多种目标检测任务中得到验证[32,33]。Shermeyer 等人[34]通过对不同分辨率的遥感影像进行检测实验量化了 SR 对检测性能的影响。Courtrai 等人[35]基于生成对抗网络GAN生成高分辨率图像并将其送入检测器以提升性能。Rabbi 等人[36]利用拉普拉斯算子提取输入图像的边缘以加强高分辨率重建从而改善目标定位与分类。Hong 等人[37]引入循环一致性 GAN 架构作为 SR 网络并在 Faster R-CNN 中进行改进用于检测由 SR 网络生成的增强图像中的车辆。这些工作表明SR 结构能有效应对小目标检测难题但由于输入图像分辨率增大必然带来额外计算开销。
近期Wang 等人[38]在语义分割任务中提出了一种 SR 模块能够在低分辨率输入下保持高分辨率表示的同时减少计算量。受此启发我们设计了一个辅助 SR 分支。与上述在网络初始阶段即进行 SR 的方法不同本工作中的辅助 SR 模块在训练过程中引导检测主干学习高质量的高分辨率特征不仅增强了小而密集目标的响应也提升了空间域目标检测性能。更重要的是该 SR 分支仅作为训练时的辅助任务在推理阶段被移除从而避免了任何额外计算。
III. 基线结构
如图 2 所示基线 YOLOv5 网络主要由两部分构成Backbone主干和 Head包括 Neck。主干用于提取低层次的纹理特征和高层次的语义特征。随后这些特征被送入 Head先自上而下构建增强的特征金字塔将强语义信息向下传递再自下而上将局部纹理和模式特征的响应向上聚合。这样便通过多尺度特征融合解决了目标尺度多样化的问题提升了检测性能。 在图 3 中Backbone 采用 CSPNet[39]由多个 CBSConvolution‑BatchNorm‑SiLu模块和 CSPCross Stage Partial模块组成。CBS 包含卷积、批归一化及 SiLu 激活[40]三步操作。CSP 则将上一层的特征图复制为两份分别通过 1×1 卷积将通道数减半以降低计算量。其中一份特征直接连接到该阶段末端另一份送入若干 ResNet 或 CBS 块进行进一步处理最后再在通道维度拼接并经过一个 CBS 块融合特征。SPPSpatial Pyramid Pooling模块[41]由多个不同核尺寸的并行最大池化层组成用以提取多尺度深层特征。通过堆叠 CSP、CBS 和 SPP 结构网络能够同时获得低级纹理和高级语义信息。 局限 1YOLOv5 中引入了 Focus 模块以减少计算量。如图 2左下所示该模块将输入按像素交错切分并隔行重排最后在通道维度拼接实现输入的下采样从而加速训练与推理。但此操作在一定程度上牺牲了分辨率容易对小目标检测精度造成影响。
局限 2YOLO 主干通过多次步幅为 2 的深度卷积将特征图尺寸不断减半因此多尺度检测所保留的特征图远小于原始输入图像。例如输入尺寸为 608×608 时最后三个检测层的特征图尺寸仅为 76×76、38×38 和 19×19。低分辨率特征可能导致部分小目标遗漏。
IV. SUPERYOLO 架构
如图 2 所示SuperYOLO 在基线结构基础上引入三项改进
移除 Focus 模块并替换为 MF 模块避免因下采样重组而导致的分辨率和精度下降
选择高效的像素级融合在像素层面融合 RGB 与 IR 模态提取互补信息
训练阶段添加辅助 SR 模块重建高分辨率图像以指导主干网络在空间维度学习并保留 HR 信息推理阶段舍弃该分支以免增加计算开销。
A. 移除 Focus
如第 III 节及图 2左下所示YOLOv5 主干中的 Focus 模块通过空间域的间隔采样将输入图像切分重组从而在通道维度拼接得到下采样图像。该操作虽能减少计算量并加速训练与推理但会引起分辨率下降导致小目标的空间信息丢失。鉴于小目标检测对高分辨率的依赖我们舍弃 Focus采用如图 4 所示的 MF 模块以保持输入分辨率。
B. 多模态融合
利用更多信息有助于提升目标检测性能。多模态融合是将来自不同传感器的信息进行合并的有效途径。主流融合方法包括决策级、特征级和像素级融合。由于决策级融合需对各模态分支重复检测计算开销过大故不在 SuperYOLO 中采用。
我们提出一种像素级多模态融合MF以对称紧凑的方式双向提取不同模态的共享与特色信息。其流程如图 4 所示 C. 超分辨率Super Resolution
如第 III 节所述骨干网络中用于多尺度检测的特征尺寸远小于原始输入图像。现有大多数方法通过上采样操作来恢复特征尺寸但由于纹理和模式信息在上采样过程中丢失因此在遥感图像中检测需要高分辨率HR保留的小目标时效果并不理想。
为了解决这一问题如图 2 所示我们引入了一个辅助的 SR 分支。该分支的设计目标有二
帮助骨干网络提取更多的高分辨率信息以提升检测性能
不显著增加计算量以保证推理速度。 因此在推理阶段它能够在准确性和计算时间之间取得平衡。受 Wang 等人 [38] 研究启发——其提出的 SR 方法在无需额外开销的情况下促进了分割任务——我们在框架中引入了一个简单而高效的 SR 分支。该设计在不增加计算和内存负担的前提下提升了检测精度尤其当输入分辨率较低LR时效果尤为显著。
具体而言该 SR 结构可视为一个简易的编码-解码Encode-Decoder模型。我们分别选取骨干网络的低层特征和高层特征以融合局部纹理模式信息和语义信息。如图 4 所示我们将第 4 模块和第 9 模块的输出分别作为低层和高层特征。编码器部分将这两类特征进行集成 低层特征处理对低层特征先进行一个 CR 模块卷积 ReLU
高层特征处理先通过上采样操作将其空间尺寸与低层特征对齐再与低层特征拼接随后依次经过两个 CR 模块融合。
在解码器部分LR 特征被放大到 HR 空间最终的 SR 输出尺寸是输入图像尺寸的两倍。如图 5 所示解码器由三个反卷积层deconvolutional layers构成。SR 分支通过学习空间维度的映射将高分辨率信息传递回主干分支从而提升目标检测性能。此外我们还尝试将 EDSR [43] 作为编码器以探索 SR 表现及其对检测性能的影响。 为了更直观地说明效果我们在图 6 中可视化了 YOLOv5s、YOLOv5x 和 SuperYOLO 的骨干特征。所有特征均上采样至与输入图像相同的尺度进行对比。通过对比图 6 中c、f与id、g与je、h与k的成对图像可以观察到在 SR 分支的辅助下SuperYOLO 所提取的物体结构更清晰、分辨率更高。最终我们通过 SR 分支在高质量 HR 表征上获得了丰硕成果并使用 YOLOv5 的 Head 进行小目标检测。 图6所示。相同输入的YOLOv5s、YOLOv5x和SuperYOLO主干特征级可视化(a) RGB输入(b) IR输入©、(d)、(e)为YOLOv5s的特征(f)、(g)、(h)为YOLOv5x的特征(i)、(i)、(k)为SuperYOLO的特征。特征被上采样到与输入图像相同的尺度以进行比较。©、(f)和(i)是第一层的特征。(d)、(g)、(j)为底层特征。(e)、(h)、(k)为同一深度各层的高层特征。
D、损失函数 实验结果 D. 消融实验
首先我们通过一系列在验证集第一折上进行的消融实验来验证所提方法的有效性。
基线框架验证 在表 I 中我们从层数、参数量和 GFLOPs 三个方面评估了不同基础检测框架的模型规模和推理能力并以 mAP50IOU 0.5 下的平均精度衡量其检测性能。虽然 YOLOv4 的检测精度最高但其层数比 YOLOv5s 多 169 层393 vs. 224参数量是 YOLOv5s 的 7.4 倍52.5M vs. 7.1MGFLOPs 是 YOLOv5s 的 7.2 倍38.2 vs. 5.3。相比之下YOLOv5s 的 mAP 略低于 YOLOv4 和 YOLOv5m但其层数、参数量和 GFLOPs 均远小于其他模型更易于落地部署并实现实时推理。上述事实验证了以 YOLOv5s 为基线检测框架的合理性。
移除 Focus 模块的影响 如第 IV-A 节所述Focus 模块会降低输入分辨率不利于遥感图像中小目标的检测。我们在四种 YOLOv5 框架s/m/l/x上进行了对比实验此处结果均在 RGB 与 IR 像素级拼接融合后获得。表 II 显示移除 Focus 后YOLOv5s 的 mAP50 从 62.2% 提升至 69.5%YOLOv5m 从 64.5% 提升至 72.2%YOLOv5l 从 63.7% 提升至 72.5%YOLOv5x 从 64.0% 提升至 69.2%。这是因为移除 Focus 后既避免了分辨率下降又保留了小目标的空间间隔信息从而减少了漏检。总体而言移除 Focus 模块可让各框架的 mAP50 提升超过 5% 与此同时移除 Focus 会带来推理计算量GFLOPs的增加YOLOv5s 从 5.3 增至 20.4YOLOv5m 从 16.1 增至 63.6YOLOv5l 从 36.7 增至 145YOLOv5x 从 69.7 增至 276.6。但即便如此YOLOv5s-noFocus 的 20.4 GFLOPs 仍低于 YOLOv352.8、YOLOv438.2和 YOLOrs46.4的计算量移除 Focus 后模型参数也略有减少。综上为了在检测更小目标时保留高分辨率应以检测精度为优先采用卷积替代 Focus 模块。
不同融合方式比较 为评估各融合方法的效果我们在 YOLOv5-noFocus 上比较了五种融合结果详见第 IV-B 节与图 7。fusion1–fusion4 分别表示在第 1、2、3、4 个块中进行的像素级拼接融合在特征级融合中将 IR 图像扩展为三通道以与 RGB 保持一致。表 III 中列出了不同方法的参数量、GFLOPs 和 mAP50
像素级拼接7.0705M 参数20.37 GFLOPs69.5% mAP50
像素级 MF 模块7.0897M 参数21.67 GFLOPs70.3% mAP50最佳
特征级融合的参数量接近像素级融合原因在于其融合发生在中间层而非双模型最前端且各融合前模块不同导致通道数与参数量略异。实验还对比了多阶段特征级融合图 7©与像素级融合其 mAP50 仅为 59.3%计算量为 34.56 GFLOPs参数量 7.7545M均高于像素级融合。这表明像素级创新融合在保持低计算成本的同时更能有效提升检测精度。最终我们仅采用像素级融合以确保最低的计算开销。 高分辨率影响 我们在表 IV 中比较了不同训练/测试分辨率组合的性能。在训练和测试分辨率相同的情况下将 YOLOv5s 的输入从 512→1024 后mAP50 从 62.2% 提升至 77.7%增幅 15.5%GFLOPs 从 5.3 增至 21.3。同理YOLOv5s-noFocus1024较512提升 9.8%79.3% vs. 69.5%。这说明提高输入分辨率可同时提高召回率和精度减少漏检与误检。然而高分辨率也带来更高计算量YOLOv5s 的 GFLOPs 从 5.3→21.3YOLOv5s-noFocus 从 20.4→81.5。
当训练/测试分辨率不一致时mAP50 显著下降如 10.6% vs. 62.2%、48.2% vs. 77.7%、13.4% vs. 69.5%、62.9% vs. 79.3%可能因训练与测试时目标尺度不匹配导致预测框尺寸不再适合测试图像中的目标。
最后YOLOv5s-noFocusSR 在 512×512 分辨率下的 mAP50 达到 78.0%接近 YOLOv5s-noFocus1024的 79.3%且 GFLOPs 仅为 20.4等同于 LR 512 下的值。这表明所提 SR 分支能够在测试阶段通过下采样降低计算量同时保持与高分辨率输入相当的检测精度充分体现了其优势。
超分辨率分支的影响 表 V 中列出了一些关于 SR 分支的消融实验结果。与普通的上采样操作相比加入超分辨率网络的 YOLOv5s-noFocus 在 mAP50 上提升了 1.8%。这是因为 SR 网络是一种可学习的上采样方式具有更强的重建能力能够帮助骨干网络提取更丰富的特征以提升检测效果。
此外我们在主干网络中删除了 PANet 结构及负责中尺度和大尺度目标检测的两个检测头因为在诸如 VEDAI 的遥感小目标数据集中仅使用小尺度检测头即可满足需求。仅保留一个检测头后模型参数量可从 7.0705M 降至 4.8259MGFLOPs 从 20.37 降至 16.68同时 mAP50 从 78.0% 提升至 79.0%。
当我们在 SR 分支中用 EDSR 网络替代三层反卷积解码器并用 L1 损失替换原先的 L2 损失时SR 分支在超分重建任务上的表现得到进一步加强且对检测主干的特征提取也起到了更有力的辅助作用加速了检测网络的收敛从而进一步提升了整体检测性能。这表明超分辨率与目标检测两者在特征提取层面是互补且协同增效的。
表 VI 展示了在不同基线网络上加入 SR 分支后的精度-复杂度折中效果。与各自的“裸”基线相比加入 SR 分支后
YOLOv3SR 的 mAP50 比 YOLOv3 提升了 9.2%
YOLOv4SR 的 mAP50 比 YOLOv4 提升了 3.3%
YOLOv5sSR 的 mAP50 比 YOLOv5s 提升了 2.2%。
值得注意的是SR 分支在推理阶段可以被移除因此并不会引入额外的参数或计算开销。这一点尤为难得因为 SR 分支无需对检测网络进行大规模重构即可带来显著增益。该 SR 分支具备良好的通用性和可扩展性可直接嵌入到现有的全卷积网络FCN框架中。
E. 与现有方法的比较
图 8 展示了在多种场景下YOLO 系列方法与 SuperYOLO 的可视化检测结果。可以看出SuperYOLO 能准确检测出在 YOLOv4、YOLOv5s 和 YOLOv5m 中漏检、误分类或模糊识别的目标。遥感图像中的小目标检测难度较大尤其是 Pickup 与 Car、Van 与 Boat 等外观相似的类别易被混淆。因此除了定位精度外提高检测分类性能在该任务中尤为必要而所提 SuperYOLO 在此方面表现优异。
表 VII 汇总了 YOLOv3 [47]、YOLOv4 [48]、YOLOv5s-x [19]、YOLOrs [27]、YOLO-Fine [49]、YOLOFusion [50] 及本文 SuperYOLO 的检测性能。可见多模态RGBIR模式下的大多数类别 AP 明显高于单模态仅 RGB 或 IR整体 mAP50 亦优于单一模态。这进一步验证了多模态融合通过信息互补提升目标检测效果的有效性。然而多模态融合所带来的参数与计算量的略微增加也凸显了像素级融合优于特征级融合的必要性。
在整体 mAP50 上SuperYOLO 超越了所有对比框架YOLOFusion 除外。YOLOFusion 略胜一筹因其使用了在 MS COCO [7] 上预训练的权重但其参数量约为 SuperYOLO 的三倍。YOLO-Fine 在单模态下表现良好但缺乏多模态融合技术的开发。值得注意的是在多模态模式下SuperYOLO 相比 YOLOv5x 提升了 12.44% 的 mAP50同时参数量和 GFLOPs 分别仅为 YOLOv5x 的约 1/18 和 1/3.8。
此外Car、Pickup、Tractor 和 Camping 等训练样本最多的类别上SuperYOLO 的性能提升尤为显著。YOLOv5s 虽在 GFLOPs 上占优得益于 Focus 模块压缩输入却在小目标检测上性能欠佳SuperYOLO 相较于其提升了 18.30% 的 mAP50。总体来看所提 SuperYOLO 在速度—精度折中方面相较于最先进的方法展现了优异的性能。
F. 在单模遥感图像上的泛化能力
目前虽然遥感领域存在大量的多模态图像但因人工标注成本高昂目标检测任务的标注数据集仍然匮乏。为验证所提网络的泛化能力我们选取三个单模态大规模数据集——DOTA、DIOR 和 NWPU VHR-10与多种一阶二阶检测方法进行对比。
DOTA
提出时间2018 年专为遥感图像目标检测设计。
数据规模包含 2,806 幅大图共 188,282 个标注实例分 15 类。
原图尺寸4,000×4,000 像素实验中裁剪为 1,024×1,024重叠 200 像素。
划分方式1/2 原图作训练1/6 作验证1/3 作测试输入尺寸统一为 512×512。
NWPU VHR-10
提出时间2016 年。
数据规模800 幅图像其中 650 幅含有目标采用 520 幅作训练130 幅作测试。
类别数10 类输入尺寸固定为 512×512。
DIOR
提出时间2020 年。
数据规模23,463 幅图像192,472 个实例。
划分方式11,725 幅训练11,738 幅测试输入尺寸统一为 512×512。
为适应上述数据集我们对训练配置做了如下调整NWPU VHR-10 与 DIOR 训练 150 个 epochDOTA 训练 100 个 epoch批量大小DOTA、DIOR 为 16NWPU 为 8。
对比方法 我们选用了 11 种代表性方法进行对比包括
一阶段算法YOLOv3 [47]、FCOS [53]、ATSS [54]、RetinaNet [51]、GFL [52]
两阶段方法Faster R-CNN [5]
轻量化模型MobileNetV2 [55]、ShuffleNet [56]
蒸馏方法ARSD [59]
专为遥感设计FMSSD [58]、O2DNet [57]
对比结果表 VIII 在 DOTA、NWPU VHR-10、DIOR 三个数据集上SuperYOLO 分别达到了 69.99%、93.30% 和 71.82% 的 mAP50模型参数7.70 M、7.68 M、7.70 M与 GFLOPs20.89、20.86、20.93均远低于其他最先进检测器。
由于这些数据集中存在较大尺度目标如操场等我们在 SuperYOLO 中保留了 PANet 结构及三路检测头以增强对小、中、大尺度目标的检测能力因此其参数量相较于表 VII 中的多模态实验略有增加。虽然 FMSSD 和 O2DNet 在性能上与我们的轻量级模型相近但二者的参数量和 GFLOPs 均大幅超出计算资源开销巨大。相比之下SuperYOLO 在检测效率和准确率之间取得了更优的平衡。
VI. 结论与未来工作
在本文中我们提出了 SuperYOLO一种基于广泛使用的 YOLOv5s 的实时轻量化网络旨在提升遥感图像中小目标的检测性能。首先我们通过移除 Focus 模块以避免分辨率下降显著改善了基线网络减少了小目标的漏检其次我们研究了多模态融合技术通过信息互补进一步提升检测效果最关键的是我们引入了一个简单灵活的超分辨率SR分支帮助骨干网络构建高分辨率特征表示使得仅凭低分辨率输入也能轻松识别大背景下的小目标。我们在推理阶段移除了 SR 分支保持原网络结构和相同的 GFLOPs实现了不增加计算量的高精度检测。通过以上多项创新SuperYOLO 在 VEDAI 数据集上以更低的计算开销达到了 75.09% 的 mAP50相较于 YOLOv5s 提升了 18.30%相比 YOLOv5x 提升了超过 12.44%。
我们的方法在性能和推理效率上均体现了超分辨率技术在遥感任务中的价值为多模态目标检测的未来研究开辟了新方向。未来工作中我们将聚焦于设计更低参数量的高分辨率特征提取模式以进一步满足实时性和高精度的双重需求
