A detecção de objetos é uma das tarefas mais importantes na interpretação de imagens de sensoriamento remoto. Atualmente, os modelos de detecção de objetos em sensoriamento remoto baseados em aprendizado profundo dependem em grande parte de caixas âncora predefinidas e geralmente ignoram as informações contextuais da cena, o que limita o desempenho da detecção e a capacidade de generalização. Com base nisso, este artigo propõe uma rede YOLO sem âncora relacionada à cena para detecção de objetos em imagens de sensoriamento remoto (Scene Related Anchor-Free YOLO, SRAF-YOLO). O SRAF-YOLO introduz inicialmente um módulo de extração de características multiescala reforçado pela cena, que funde características da cena com características do objeto para gerar características enriquecidas com informações contextuais da cena, e utiliza operações multiescala para extrair características multiescala contendo semântica da cena, introduzindo eficazmente informações contextuais da cena. Com base nisso, foi projetada uma cabeça de detecção sem âncora assistida pela cena, que utiliza informações da cena no mapa de características para restringir a predição da classe do objeto para melhorar a precisão da detecção, enquanto a estrutura sem âncora reduz efetivamente o cálculo dos parâmetros relacionados às caixas âncora. Os resultados experimentais nos conjuntos de dados RSOD e NWPU VHR-10 mostram que o SRAF-YOLO melhora a precisão da detecção de objetos ao fundir informações da cena e o mecanismo sem âncora, alcançando médias de precisão (mAP) de 94,58% e 95,95%, respectivamente, com aumento de 1,51% e 3,0% em relação ao modelo base YOLOv8, superando outros métodos comparados. Os resultados de validação em conjuntos de dados externos confirmam ainda a boa capacidade de generalização do algoritmo.

Imagens de sensoriamento remoto; detecção de objetos; detecção sem âncora; contexto da cena; fusão de características multiescala