リモートセンシング画像の目標検出において、目標のスケール差が大きく、方向分布が複雑で検出精度が不足する問題に対し、背景情報と方向情報を融合した検出ネットワークを提案した。まず、目標のスケール差が大きい問題に対して、受容野拡張モジュール（Receptive Field Extending、RFE）を設計した。従来の固定受容野や複雑な多分岐構造とは異なり、本モジュールは大きなカーネル分解、空洞畳み込みおよび並列分岐構造の設計により計算量を大幅に増やさずに多スケールの背景情報を融合し、異なるスケールの目標の背景情報ニーズの差異を解決する。次に、目標の方向分布が複雑な問題に対して、方向認識型クロスアテンションモジュール（Orientation Aware Cross Attention、OACA）を設計した。既存のアテンション機構の畳み込みカーネル形状とは異なり、本モジュールは水平および垂直方向の分離可能畳み込みを用いて方向テクスチャ情報を抽出し、特徴の欠落や切断を防止する；さらにクロスアテンション機構を設計し、背景ノイズを抑制し方向情報の相互性を強化した。実験結果は、提案手法がDOTA、HRSC2016およびDIOR-Rデータセットでそれぞれ76.88%、98.43%、65.06%の検出精度を達成し、Oriented R-CNN手法に比べてそれぞれ1.01%、0.83%、0.76%向上し、背景情報と方向情報の協調の有効性をさらに検証したことを示している。

リモートセンシング画像;回転目標検出;受容野拡張;方向認識型クロスアテンション