本論文では、リモートセンシング画像の多スケール、密集重なり、データ分布の不均一といった課題を解決するために、超融合残差進行幾何認識アルゴリズムを提案する。超融合残差進行モジュールはネットワーク構造を最適化し、複数レベルの畳み込み操作で異なるスケールの受容野を利用し、対象の各スケールの細部を捉え、モデルの対象特徴認識能力を強化し、小スケール目標の特徴抽出および大スケール目標の正確な位置特定を実現する。検出結果と真実の幾何学的類似度を計算し、検出効果を正確に評価し、目標が密集して重なるシーンで適合度を精密に考慮し、最終結果を選別し、検出漏れや誤検出を減らし、アルゴリズムの正確性を向上させる。多経路特徴融合モジュールを設計し、異なる階層の特徴情報を融合し、より豊富な目標特徴を抽出し、ネットワークの表現力と識別能力を強化し、検出の正確性と安定性を向上させた。NWPU-VHR-10データセットの実験結果では、mPrecision、mRecall、mAPおよびmF1スコアがそれぞれ0.0419、0.1040、0.0455および0.0850向上し、RSODデータセットの実験結果では、それぞれ0.0221、0.1034、0.0619および0.0875向上した。提案した超融合残差進行幾何認識アルゴリズムがリモートセンシング画像の目標検出分野における有効性と優越性を十分に実証した。

リモートセンシング画像;目標検出;超融合残差進行モジュール;幾何学的類似度;多経路特徴融合