リモートセンシング画像の物体検出において、物体のスケール差が大きく、方向分布が複雑なため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する。まず、物体スケール差の問題に対して、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設計により、計算量を大幅に増やすことなくマルチスケールの背景情報を融合し、異なるスケールの物体に対する背景情報のニーズの違いを解決する。次に、物体の方向分布が複雑な問題に対して、方向認識交差注意機構モジュール（Orientation Aware Cross Attention、OACA）を設計した。既存の注意機構の畳み込み核形状とは異なり、本モジュールは水平および垂直方向の分離可能な畳み込みを用いて方向のテクスチャ情報を抽出し、特徴の欠落や断裂を防止する。また、交差注意機構を設計し、背景ノイズを抑制し方向情報の相互作用性を強化する。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手法と比較してそれぞれ1.01%、0.83%、0.76%の向上を示し、背景情報と方向情報の協調の有効性をさらに検証した。

リモートセンシング画像;回転物体検出;受容野拡張;方向認識交差注意