物体検出はリモートセンシング画像解析において最も重要なタスクの一つです。現在、深層学習に基づくリモートセンシングの物体検出モデルは主に事前定義されたアンカーボックスに依存しており、シーン内の文脈情報がしばしば無視されるため、検出性能や汎化能力に制限があります。これに基づき、本論文ではリモートセンシング画像物体検出に向けたシーン関連アンカーフリーYOLOネットワーク（Scene Related Anchor-Free YOLO、SRAF-YOLO）を提案します。SRAF-YOLOはまずシーン特徴と物体特徴を融合し、シーンの文脈情報を豊富に含むシーン強化多スケール特徴抽出モジュールを導入し、多スケール演算を用いてシーンセマンティクスを含む多スケール特徴を抽出し、効果的にシーン文脈情報を取り入れます。これに基づき、特徴マップ内のシーン情報を利用して物体クラス予測を制約するシーン補助アンカーフリー検出ヘッドを設計し、検出精度を向上させるとともに、アンカーフリー構造によりアンカーボックス関連パラメータの計算量を効果的に削減します。RSODおよびNWPU VHR-10データセットでの実験結果は、SRAF-YOLOがシーン情報とアンカーフリーメカニズムの融合により物体検出精度を向上させ、平均適合率(mAP)がそれぞれ94.58％および95.95％に達し、ベースラインモデルYOLOv8と比較してそれぞれ1.51％および3.0％向上し、他の比較手法より優れていることを示しています。外部データセットにおける検証結果は、本アルゴリズムの優れた汎化能力をさらに裏付けています。

リモートセンシング画像;物体検出;アンカーフリー検出;シーンコンテキスト;多スケール特徴融合