Pour résoudre le problème de la précision insuffisante de détection causée par de grandes différences d’échelle des cibles et une distribution directionnelle complexe dans la détection d’objets sur des images de télédétection, nous proposons un réseau de détection intégrant des informations de contexte et des informations directionnelles. Tout d’abord, face au problème des grandes différences d’échelle, un module d’extension du champ réceptif (Receptive Field Extending, RFE) a été conçu. Contrairement aux champs réceptifs fixes traditionnels ou aux structures à multiples branches complexes, ce module utilise la décomposition de gros noyaux, les convolutions dilatées et une conception de branches en parallèle pour intégrer des informations contextuelles multi-échelles sans augmenter significativement la charge de calcul, résolvant ainsi le problème de la demande différenciée des informations de fond selon l’échelle des cibles. Ensuite, face à la complexité de la distribution directionnelle, un module d’attén­tion croisée sensible à l’orientation (Orientation Aware Cross Attention, OACA) a été conçu. Contrairement aux formes de noyaux de convolution dans les mécanismes d’attention existants, ce module extrait les informations de texture directionnelle via des convolutions séparables horizontales et verticales, empêchant la perte et la rupture des caractéristiques ; une attention croisée est également conçue pour supprimer le bruit du fond et renforcer l’interactivité des informations directionnelles. Les résultats expérimentaux montrent que la méthode proposée atteint des précisions de détection respectivement de 76,88%, 98,43% et 65,06% sur les jeux de données DOTA, HRSC2016 et DIOR-R, améliorant respectivement de 1,01%, 0,83% et 0,76% la méthode Oriented R-CNN, ce qui confirme l’efficacité de la synergie entre les informations de fond et directionnelles.

Images de télédétection; Détection d’objets tournés; Extension du champ réceptif; Attention croisée sensible à l’orientation