基于多感知融合的遙感影像檢測(cè)算法

摘要：針對(duì)遙感影像復(fù)雜背景和小目標(biāo)檢測(cè)困難的問(wèn)題，提出了一種基于多感知融合的檢測(cè)算法YOLO-GT。為了提升特征圖中小目標(biāo)的特征信息，設(shè)計(jì)了包含3種感知機(jī)制的檢測(cè)頭Adaptive Scale-Aware Dynamic Head(ASADH)；引入輕量級(jí)上采樣算子Content-Aware ReAssembly of Features(CARAFE)，解決語(yǔ)義信息丟失問(wèn)題，提升特征金字塔網(wǎng)絡(luò)性能；為進(jìn)一步優(yōu)化模型的訓(xùn)練速度和定位精度，采用了Wise-IoU作為損失函數(shù)。實(shí)驗(yàn)結(jié)果在DIOR數(shù)據(jù)集上顯示，模型精度達(dá)90.4%，比原算法提高2.1%。這些改進(jìn)有效提高了復(fù)雜背景下遙感影像小目標(biāo)的檢測(cè)性能。"，"Introduction":""，"Columns":"測(cè)控遙感與導(dǎo)航定位"，"Volume":""，"Content":"

關(guān)鍵詞：遙感影像；目標(biāo)檢測(cè)；多感知融合；深度學(xué)習(xí)

0引言

遙感技術(shù)和深度學(xué)習(xí)的快速發(fā)展使遙感影像檢測(cè)在多領(lǐng)域廣泛應(yīng)用，旨在自動(dòng)識(shí)別和定位建筑物、道路和植被等感興趣的目標(biāo)，在農(nóng)業(yè)、環(huán)境監(jiān)測(cè)、森林資源管理、工程安全和自然災(zāi)害監(jiān)測(cè)等方面有重要價(jià)值。近年來(lái)，深度學(xué)習(xí)推動(dòng)了目標(biāo)檢測(cè)技術(shù)革新，涌現(xiàn)出一系列卓越算法。與傳統(tǒng)方法相比，這些算法在處理復(fù)雜場(chǎng)景、多類別目標(biāo)和遮擋等方面取得了突破。基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法主要分為一階段算法（如OverFeat、RetinaNet和YOLO系列等）和兩階段算法（如SPPnet、Fast R-CNN和Faster R-CNN），它們?cè)谀繕?biāo)檢測(cè)的流程和設(shè)計(jì)思路上存在一些區(qū)別。

一階段算法直接從輸入圖像中預(yù)測(cè)目標(biāo)位置和類別，無(wú)需生成候選框，通過(guò)單次前向傳播實(shí)現(xiàn)目標(biāo)檢測(cè)，檢測(cè)速度快，適合實(shí)時(shí)應(yīng)用。兩階段算法包括生成候選框和分類目標(biāo)2個(gè)步驟。生成候選框后，利用分類器進(jìn)行精確分類和位置調(diào)整，進(jìn)而提高檢測(cè)精度。此方法尤其適合精細(xì)定位和分類任務(wù)。

盡管遙感影像檢測(cè)有廣泛的應(yīng)用前景，但仍存在挑戰(zhàn)。主要問(wèn)題在于背景復(fù)雜干擾以及小目標(biāo)檢測(cè)困難。復(fù)雜背景如山脈、水體等，而小目標(biāo)通常有低分辨率、低對(duì)比度和低信噪比，這些都增加了檢測(cè)難度。為應(yīng)對(duì)這些問(wèn)題，研究人員提出了創(chuàng)新方法。例如，張寅等提出了一種基于特征融合和注意力機(jī)制的算法，用于遙感圖像的小目標(biāo)檢測(cè)。該算法的目的是解決小目標(biāo)檢測(cè)中特征信息不足和定位困難的問(wèn)題。它通過(guò)增強(qiáng)特征模塊（Feature Enhance-ment Module，F(xiàn)EM）融合低層級(jí)特征圖的多重感受野特征來(lái)增強(qiáng)主干網(wǎng)絡(luò)的目標(biāo)特征提取能力，同時(shí)利用FEM增強(qiáng)小目標(biāo)的特征信息。這種算法在小目標(biāo)檢測(cè)任務(wù)中具有重要的應(yīng)用價(jià)值。馬梁等針對(duì)遙感圖像中小目標(biāo)容易受到復(fù)雜背景干擾、通用檢測(cè)算法效果不佳以及相關(guān)數(shù)據(jù)集不足等問(wèn)題提出了一種解決方案。首先，設(shè)計(jì)了一種輕量化特征提取模塊，該模塊基于動(dòng)態(tài)選擇機(jī)制，能夠自適應(yīng)地調(diào)整神經(jīng)元的感受野大小。其次，為了更好地利用不同尺度特征傳遞的信息，引入了基于自適應(yīng)特征加權(quán)融合的特征金字塔模塊，通過(guò)分組卷積的方式對(duì)各特征通道進(jìn)行分組處理，以進(jìn)一步提高圖像特征的表達(dá)準(zhǔn)確性。這些方法的結(jié)合旨在解決遙感圖像小目標(biāo)檢測(cè)問(wèn)題，從而改善檢測(cè)結(jié)果的準(zhǔn)確性和穩(wěn)定性。張上等提出了一種針對(duì)無(wú)人機(jī)遙感圖像的小目標(biāo)檢測(cè)算法，該算法輕量化且高效，通過(guò)對(duì)特征提取網(wǎng)絡(luò)和特征融合網(wǎng)絡(luò)進(jìn)行多尺度特征融合，并對(duì)感受野進(jìn)行重要改進(jìn)。這一改進(jìn)包括輕量化處理網(wǎng)絡(luò)結(jié)構(gòu)、突出底層特征圖的權(quán)重、深化多尺度特征融合，并增加小感受野，以實(shí)現(xiàn)底層和深層語(yǔ)義信息的融合，從而使模型輕量的同時(shí)提高了檢測(cè)精度。此外，還引入了EIoU來(lái)強(qiáng)調(diào)高質(zhì)量樣本的權(quán)重，并采用VariFocal Loss來(lái)在損失計(jì)算中強(qiáng)調(diào)底層正例樣本信息特征的重要性。這一算法旨在解決遙感圖像檢測(cè)的特定問(wèn)題。以上文獻(xiàn)都取得了不錯(cuò)的檢測(cè)效果，然而，在遙感影像中，由于背景往往具有復(fù)雜的紋理．結(jié)構(gòu)和噪聲，目標(biāo)物體的定位和識(shí)別仍然受到干擾。對(duì)于在復(fù)雜背景中多尺度遙感小目標(biāo)的檢測(cè)性能，仍有提升的潛力。因此，如何有效提取淺層語(yǔ)義信息以減少誤檢率和漏檢率的問(wèn)題成為當(dāng)前面對(duì)的挑戰(zhàn)。

本文改進(jìn)了YOLOv8，提出了YOLO-GT目標(biāo)檢測(cè)算法，以解決復(fù)雜背景和小目標(biāo)檢測(cè)問(wèn)題。使用Adaptive Scale-Aware Dynamic Head（ASADH）多感知融合檢測(cè)頭適應(yīng)不同尺度物體，并得到更豐富的特征信息。采用Content-Aware ReAssembly of Features（CARAFE）輕量級(jí)上采樣，并以Wise-IoU替換CIoU作為定位損失函數(shù)，提高了定位精度和訓(xùn)練速度。

1YOLOv8目標(biāo)檢測(cè)模型

YOLOv8代表了You Only Look Once（YOLO）系列的最新進(jìn)展，不僅具有高精度的目標(biāo)檢測(cè)能力，還能夠在實(shí)時(shí)或高速環(huán)境下執(zhí)行任務(wù)。YOLOv8引入了一系列重要的改進(jìn)和創(chuàng)新，使其在性能和效率方面取得了顯著進(jìn)步，提供了多種模型選擇，包括P5640 pixel和P6 1280 pixel的目標(biāo)檢測(cè)網(wǎng)絡(luò)，以及不同尺度的模型，如N/S/M/L/X，以滿足不同應(yīng)用場(chǎng)景的需求。這種多樣性使YOLOv8非常靈活，可以應(yīng)用于各種目標(biāo)檢測(cè)任務(wù)。

如圖1所示，YOLOv8模型分為3個(gè)主要部分：輸入端、骨干網(wǎng)絡(luò)以及頭部網(wǎng)絡(luò)。輸入端標(biāo)準(zhǔn)化圖像分辨率為640 pixelx640 pixel，骨干網(wǎng)絡(luò)采用C2f結(jié)構(gòu)，將來(lái)自高層網(wǎng)絡(luò)的語(yǔ)義特征與來(lái)自低層的細(xì)節(jié)特征進(jìn)行有效的融合。頭部網(wǎng)絡(luò)包括頸部（Neck）和檢測(cè)頭（Detect）兩部分，頸部在網(wǎng)絡(luò)中扮演著特征提取和調(diào)整的角色，它進(jìn)一步處理特征圖以提高分辨率。檢測(cè)頭包括分類器和回歸器，利用頸部的特征輸出，進(jìn)行分類和位置預(yù)測(cè)。這個(gè)整體結(jié)構(gòu)協(xié)同工作，使YOLOv8能夠高效地檢測(cè)目標(biāo)?？偟膩?lái)說(shuō)，YOLOv8代表了YOLO系列的最新巨大進(jìn)展，為目標(biāo)檢測(cè)領(lǐng)域提供了一個(gè)強(qiáng)大的工具，具備高精度和高速度的性能，適用于各種計(jì)算機(jī)視覺(jué)應(yīng)用，包括自動(dòng)駕駛、視頻監(jiān)控、圖像識(shí)別、目標(biāo)跟蹤和實(shí)時(shí)分析等，能夠滿足不同應(yīng)用場(chǎng)景的需求。

2算法改進(jìn)

針對(duì)遙感影像復(fù)雜背景干擾和小目標(biāo)檢測(cè)效果較差等問(wèn)題，對(duì)YOLOv8基礎(chǔ)模型進(jìn)行優(yōu)化改進(jìn)，改進(jìn)后的主要框架如圖2所示。

2.1基于多感知融合的ASADH

復(fù)雜的目標(biāo)檢測(cè)場(chǎng)景對(duì)目標(biāo)檢測(cè)頭提出了更高的要求。為了應(yīng)對(duì)這些挑戰(zhàn)，目標(biāo)檢測(cè)頭需要具備高效檢測(cè)不同尺度物體的能力，以便能夠準(zhǔn)確地識(shí)別和定位各種大小的目標(biāo)。在這一背景下，本文提出了一種全新的檢測(cè)頭——ASADH。受DynamicHead的啟發(fā)，本文在特征層級(jí)、空間位置和輸出通道之間無(wú)縫集成了多個(gè)自注意機(jī)制，從而實(shí)現(xiàn)了尺度感知、空間位置感知和任務(wù)感知的多感知融合。與傳統(tǒng)的目標(biāo)檢測(cè)頭相比，本方法充分利用了多尺度特征金字塔和自適應(yīng)注意力權(quán)重，允許模型在不同尺度上進(jìn)行特征提取和感知，使得小目標(biāo)的細(xì)節(jié)信息能夠得到更好的保留和利用，也讓模型能夠更加準(zhǔn)確地捕捉目標(biāo)的不同尺度和空間上下文信息，從而顯著提高了檢測(cè)性能。

ASADH實(shí)現(xiàn)了多感知融合。具體來(lái)說(shuō)，它包括3個(gè)關(guān)鍵模塊：尺度感知模塊、空間感知模塊和任務(wù)感知模塊。圖3展示了ASADH模塊。

本文在尺度感知模塊添加了空洞空間卷積池化金字塔（Atrous Spatial Pyramid Pooling，ASPP）結(jié)構(gòu)，ASPP從不同尺度提取輸入特征，然后將所獲取的特征進(jìn)行融合。通過(guò)這種設(shè)計(jì)，使深度學(xué)習(xí)網(wǎng)絡(luò)能夠具備多樣化的感受野．進(jìn)而在多尺度上全面捕獲上下文信息。這種特性使得網(wǎng)絡(luò)在處理復(fù)雜場(chǎng)景時(shí)，展現(xiàn)出更強(qiáng)大的感知和理解能力。通過(guò)ASPP進(jìn)行多尺度特征融合，將融合后的特征應(yīng)用于原始特征上，最終輸出經(jīng)過(guò)尺度注意加權(quán)的特征信息。經(jīng)過(guò)Hard Sigmoid激活函數(shù)的處理，特征圖之間完成了尺度感知。之后，經(jīng)過(guò)尺度感知處理的特征圖被送入空間感知模塊進(jìn)行進(jìn)一步處理。在這個(gè)模塊中，利用一個(gè)3x3卷積操作獲得特征圖的偏移量和特征圖偏移量的權(quán)重項(xiàng)。然后，通過(guò)一種自學(xué)習(xí)偏移量的可變形卷積對(duì)空間位置進(jìn)行采樣，實(shí)現(xiàn)了空間感知。并且，為了增強(qiáng)空間感知能力，本文引入了多尺度的特征金字塔，通過(guò)添加多個(gè)尺度的動(dòng)態(tài)卷積層，結(jié)合不同尺度的特征圖進(jìn)行融合?？梢哉{(diào)整特征金字塔中的尺度范圍，確保特征金字塔包含適當(dāng)?shù)某叨龋圆蹲降竭b感影像中重要的空間信息。

最后，在任務(wù)感知模塊中，針對(duì)特征圖的C維度（通道維度），利用非線性激活函數(shù)ReLU來(lái)調(diào)整特征圖的通道值。同時(shí)，引入了自適應(yīng)的注意力權(quán)重參數(shù)和偏置參數(shù)。模型可以學(xué)習(xí)每個(gè)通道的注意力權(quán)重，并根據(jù)輸入數(shù)據(jù)的不同特征進(jìn)行動(dòng)態(tài)調(diào)整。這使模型能夠在任務(wù)感知階段更靈活地對(duì)不同通道進(jìn)行權(quán)重調(diào)整，以實(shí)現(xiàn)對(duì)特征圖的任務(wù)感知處理。通過(guò)這樣的多感知融合，ASADH能夠充分利用尺度、空間位置和任務(wù)之間的關(guān)系，提高模型的感知能力和泛化能力。具體表達(dá)式為：

2.2輕量級(jí)上采樣算子CARAFE

在卷積神經(jīng)網(wǎng)絡(luò)中，特征提取是一個(gè)至關(guān)重要的步驟，通過(guò)對(duì)輸入圖像進(jìn)行一系列卷積操作來(lái)提取圖像的高級(jí)特征。然而，這個(gè)過(guò)程中不可避免地會(huì)導(dǎo)致輸出圖像的尺寸減小。這種尺寸減小是為了提取更抽象的特征并表示圖像的更高級(jí)別信息。然而，在某些情況下，減小的尺寸可能不適合直接用于后續(xù)任務(wù)或應(yīng)用。為了應(yīng)對(duì)該問(wèn)題，需要將提取的特征圖恢復(fù)至原始尺寸，這一過(guò)程稱為上采樣操作。通過(guò)上采樣，特征圖不僅可以還原為原始圖像的尺寸，還能輔助深度學(xué)習(xí)模型捕捉更豐富的空間細(xì)節(jié)，進(jìn)而提升預(yù)測(cè)的精確度。目前，上采樣過(guò)程中廣泛采用的方法包括插值上采樣與反卷積上采樣。

插值上采樣方法僅根據(jù)像素位置信息確定上采樣核，未充分利用特征圖的語(yǔ)義信息，而且其感知域通常較小。反卷積上采樣方法在處理特征圖時(shí)，對(duì)每個(gè)位置都使用相同的上采樣核，無(wú)法有效捕捉到特征圖的具體內(nèi)容信息。為了解決這些問(wèn)題，引入了CARAFE來(lái)替代YOLOv8模型中的原始上采樣模塊。它是一種輕量級(jí)的上采樣操作，能夠更好地利用特征圖的語(yǔ)義信息，并擴(kuò)大感受野以進(jìn)行數(shù)據(jù)特征融合。CARAFE主要包含上采樣核預(yù)測(cè)模塊和特征重組模塊。首先，給定一個(gè)上采樣倍率，將輸入形狀為HxWXC的特征圖進(jìn)入核預(yù)測(cè)模塊，用以預(yù)測(cè)出上采樣核；然后，上采樣核被應(yīng)用于特征重組模塊，對(duì)輸入特征圖進(jìn)行上采樣操作；最后，生成形狀為o-Hxo-WxC的特征圖。

在上采樣核預(yù)測(cè)模塊中，為了降低后續(xù)計(jì)算的復(fù)雜性，先對(duì)輸入特征圖進(jìn)行通道數(shù)壓縮，將通道數(shù)從C減小到C。然后，利用卷積層進(jìn)行上采樣核的預(yù)測(cè)和內(nèi)容編碼。通過(guò)卷積層的計(jì)算，可以得到用于上采樣的核函數(shù)，從而實(shí)現(xiàn)對(duì)特征圖的尺度變換和精細(xì)化處理，其中輸入通道數(shù)為C，輸出通道數(shù)為。然后，將上采樣核在空間維度展開(kāi)，最終得到形狀為的上采樣核。

隨后，特征重組模塊將執(zhí)行特征映射操作，確保輸出特征圖中的每個(gè)位置都能與輸入特征圖上的相應(yīng)位置準(zhǔn)確匹配。這一操作確保了目標(biāo)位置的準(zhǔn)確性。進(jìn)一步地，在該映射位置為中心的區(qū)域，會(huì)與預(yù)測(cè)的上采樣核進(jìn)行點(diǎn)積運(yùn)算，以求得相應(yīng)的輸出值。這種設(shè)計(jì)不僅提高了計(jì)算效率，還因?yàn)橄嗤恢玫牟煌ǖ拦蚕硗簧喜蓸雍耍瑴p少了計(jì)算冗余。最終，獲得了形狀為的輸出特征圖。CARAFE相對(duì)于傳統(tǒng)方法具有更高的性能和更強(qiáng)的特征表征能力，并且當(dāng)引入較大的上采樣核時(shí)，只會(huì)引入較少的參數(shù)和計(jì)算代價(jià)。CARAFE結(jié)構(gòu)如圖4所示。

2.3基于動(dòng)態(tài)非單調(diào)聚焦機(jī)制的邊界框損失

由于遙感影像通常具有復(fù)雜的背景紋理、結(jié)構(gòu)和噪聲，這些因素可能會(huì)對(duì)目標(biāo)物體的定位和識(shí)別造成干擾，從而降低檢測(cè)精度。為應(yīng)對(duì)這一挑戰(zhàn)，本文考慮針對(duì)損失函數(shù)進(jìn)行改進(jìn)。在YOLOv8模型中采用了DFL Loss+CIoU Loss作為邊界框回歸損失函數(shù)，重點(diǎn)關(guān)注CIoU損失，其計(jì)算公式如下：

相較于傳統(tǒng)的IoU指標(biāo)，CIoU在評(píng)估邊界框相似度時(shí)，納入了中心點(diǎn)距離和寬高比差異等因素，從而實(shí)現(xiàn)了更準(zhǔn)確的評(píng)估。傳統(tǒng)的IoU指標(biāo)對(duì)于邊界框之間的尺寸差異比較敏感，而CIoU在考慮尺寸差異的同時(shí)，提供了更平衡的相似度度量。然而，相較于傳統(tǒng)的IoU指標(biāo)，CIoU的計(jì)算復(fù)雜度更高。由于CIoU考慮了更多因素，包括中心點(diǎn)距離和寬高比差異等，需要進(jìn)行更多的計(jì)算操作，從而導(dǎo)致計(jì)算時(shí)間較長(zhǎng)。而且CIoU使用的是單調(diào)聚焦機(jī)制。在訓(xùn)練過(guò)程中，該機(jī)制假設(shè)訓(xùn)練數(shù)據(jù)中存在較高質(zhì)量的示例，并致力于強(qiáng)化邊界框損失的擬合能力。然而，如果目標(biāo)檢測(cè)訓(xùn)練集中包含低質(zhì)量示例，例如模糊的、部分遮擋的或不正確標(biāo)記的樣本，過(guò)度強(qiáng)調(diào)對(duì)這些低質(zhì)量示例的邊界框回歸可能會(huì)降低模型的檢測(cè)性能。因此本文采用WIoU作為邊框回歸損失函數(shù)，替換CIoU，計(jì)算如下：

動(dòng)態(tài)聚焦機(jī)制引入了“離群度”概念以改進(jìn)錨框的質(zhì)量評(píng)估方式，不再單純依賴IoU指標(biāo)。此外，還設(shè)計(jì)了一種更合理的梯度增益分配策略。此策略不僅有助于降低高質(zhì)量錨框的過(guò)分影響，還能抑制低質(zhì)量錨框產(chǎn)生的不良梯度效應(yīng)。這使得WIoU能夠優(yōu)先關(guān)注普通質(zhì)量的錨框，并通過(guò)這種方式全面提升檢測(cè)器的性能。

3實(shí)驗(yàn)結(jié)果與分析

3.1實(shí)驗(yàn)設(shè)置

為了評(píng)估新模型的性能并驗(yàn)證其有效性，在本次實(shí)驗(yàn)中，選擇了DIOR遙感數(shù)據(jù)集作為基礎(chǔ)數(shù)據(jù)集。使用Python語(yǔ)言，結(jié)合PyTorch深度學(xué)習(xí)框架，構(gòu)建了實(shí)驗(yàn)?zāi)Ｐ?。為了加速模型的?xùn)練過(guò)程，使用具有8GB顯存的RTX A4000。在模型的訓(xùn)練過(guò)程中，采用隨機(jī)梯度下降（Stochastic Gradient Descent，SGD）優(yōu)化器對(duì)模型參數(shù)進(jìn)行優(yōu)化，初始學(xué)習(xí)率設(shè)置為0.01。將所有的模型在數(shù)據(jù)集上進(jìn)行了100個(gè)epoch的訓(xùn)練，訓(xùn)練時(shí)利用YOLOv8s預(yù)訓(xùn)練模型作為遷移學(xué)習(xí)的權(quán)重模型，并且將圖像輸入尺寸調(diào)整為800 pixelx800 pixel。

3.2實(shí)驗(yàn)數(shù)據(jù)集

DIOR是專為遙感圖像目標(biāo)檢測(cè)算法的評(píng)估而定制構(gòu)建的，包含了來(lái)自不同傳感器和不同場(chǎng)景的遙感圖像，涵蓋了多個(gè)地理區(qū)域和物體類別；高分辨率的航拍圖像、衛(wèi)星圖像和無(wú)人機(jī)圖像，具有多樣性的光學(xué)特征和場(chǎng)景背景。數(shù)據(jù)集空間分辨率為0.5～30m。該數(shù)據(jù)標(biāo)注區(qū)域包括20個(gè)類別，共23463張圖像。本文按6：3：1的比例將數(shù)據(jù)集分化為訓(xùn)練集、驗(yàn)證集和測(cè)試集。

3.3評(píng)價(jià)指標(biāo)

本文采用的評(píng)價(jià)指標(biāo)包括平均精度均值（meanAverage Precision，mAP）、參數(shù)量和浮點(diǎn)運(yùn)算數(shù)，具體計(jì)算公式如下：

3.5不同IoU對(duì)比實(shí)驗(yàn)

為了驗(yàn)證WIoU的有效性，本文對(duì)經(jīng)典的IoU（GIoU、DIoU、SIoU和EIoU）進(jìn)行了對(duì)比實(shí)驗(yàn)。結(jié)果如表2所示，其中損失函數(shù)如圖5所示。

3.4消融實(shí)驗(yàn)

為了驗(yàn)證YOLO-GT模型的有效性，在DIOR數(shù)據(jù)集上進(jìn)行了消融實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表1所示。其中Baseline表示YOLOv8基礎(chǔ)模型。由表1可知，單獨(dú)使用ASADH模塊時(shí)，精度相較YOLOv8提升了1.2%，參數(shù)量減少了11.4%。單獨(dú)使用WIoU時(shí)，其精度提升了0.6%。將二者同時(shí)使用則提升了1.4%。將3個(gè)改進(jìn)措施都添加時(shí)，模型整體精度提升了2.1%，參數(shù)量減少了9.2%，效果顯著。

由表2可知，除SIoU與WIoU外，其余mAP均有所下降。且在圖5損失函數(shù)曲線中，使用WIoU時(shí)損失值下降更為迅速，Loss最后收斂至0.52。由于WIoU能夠根據(jù)目標(biāo)框的大小和形狀自適應(yīng)地調(diào)整IoU的權(quán)重，這意味著對(duì)于不同大小和形狀的目標(biāo)框，能夠更準(zhǔn)確地衡量它們之間的匹配程度。在DIOR數(shù)據(jù)集中，目標(biāo)具有不同的尺度和形狀變化，WIoU的權(quán)重調(diào)整機(jī)制能夠更好地適應(yīng)這些變化，從而提高了檢測(cè)的準(zhǔn)確性。

3.6ASADH增強(qiáng)特征表示對(duì)比實(shí)驗(yàn)

為了驗(yàn)證ASADH模塊在增強(qiáng)模型特征表示能力方面的效果，采用了對(duì)比實(shí)驗(yàn)的方式。實(shí)驗(yàn)中，將原始的YOLOv8模型與集成了ASADH模塊的改進(jìn)模型進(jìn)行了比較。為了直觀地展示2個(gè)模型在特征表示上的差異，對(duì)它們的檢測(cè)熱力圖進(jìn)行了可視化處理。這些熱力圖通過(guò)顏色的深淺來(lái)反映模型對(duì)圖像不同區(qū)域的關(guān)注程度，如圖6所示。圖6（a）表示YOLOv8模型的熱力圖，圖6（b）表示使用ASADH模塊后的熱力圖?？梢钥闯鍪褂肁SADH模塊時(shí)，由于改善特征表示的表現(xiàn)力，使得特征信息更加豐富，導(dǎo)致其更加關(guān)注目標(biāo)區(qū)域。同時(shí)，由表1可知，單獨(dú)使用ASADH時(shí)模型精度相較YOLOv8提高了1.2%，這表明ASADH能夠顯著改善模型的性能和特征表示，從而提高檢測(cè)效果。

3.7主流算法對(duì)比實(shí)驗(yàn)

本文在DIOR數(shù)據(jù)集上對(duì)所提出模型進(jìn)行了實(shí)驗(yàn)，并與一些經(jīng)典模型（包括YOLOv5、YOLOv7、SSD、Faster R-CNN和RetinaNet）的實(shí)驗(yàn)結(jié)果進(jìn)行了對(duì)比分析，如表3所示（表中加粗表示最高精度）。

上文提到的經(jīng)典模型大多對(duì)小目標(biāo)檢測(cè)都不敏感。比如在Faster R-CNN中，通過(guò)區(qū)域生成網(wǎng)絡(luò)（Region Proposal Network，RPN）生成的候選區(qū)域通常較大，存在小目標(biāo)時(shí)容易漏檢。SSD算法采用了多尺度特征圖來(lái)進(jìn)行目標(biāo)檢測(cè)，利用高層特征對(duì)大目標(biāo)進(jìn)行預(yù)測(cè)，利用低層特征對(duì)小目標(biāo)進(jìn)行預(yù)測(cè)。這就影響了SSD算法在小目標(biāo)檢測(cè)上的效果，因?yàn)榈蛯犹卣魅狈Ω邔诱Z(yǔ)義信息，在小目標(biāo)檢測(cè)上存在局限性。而本文的YOLO-GT模型，對(duì)小目標(biāo)檢測(cè)友好，展現(xiàn)出了優(yōu)越的性能，特別是在與當(dāng)前的頂尖模型YOLOv8的對(duì)比中，多數(shù)類別的檢測(cè)精度均有所提高，總體精度提升了2.1%。這說(shuō)明所采用的優(yōu)化策略在提升遙感影像目標(biāo)檢測(cè)的精確度方面表現(xiàn)出了有效性。

3.8檢測(cè)效果對(duì)比

為了更直觀地展示模型改進(jìn)前后的效果，實(shí)驗(yàn)挑選了數(shù)據(jù)集中的6組圖像進(jìn)行實(shí)測(cè)，并將測(cè)試結(jié)果呈現(xiàn)在圖7中。

從圖7（a）～圖7（d）的對(duì)比中可以明顯看出，YOLOv8算法并未準(zhǔn)確捕捉圖像中的所有小目標(biāo)，然而，YOLO-GT模型在小目標(biāo)檢測(cè)方面表現(xiàn)卓越，成功精準(zhǔn)檢測(cè)出YOLOv8漏檢的小目標(biāo)。在圖7（e）和圖7（g）的中，YOLOv8算法沒(méi)有檢測(cè)出待檢測(cè)目標(biāo)，也存在漏檢，而YOLO-GT引入了ASADH模塊，增強(qiáng)了模型的特征表達(dá)能力，使其能夠聚焦于目標(biāo)區(qū)域，從而抵抗了噪聲的干擾，實(shí)現(xiàn)了更準(zhǔn)確的目標(biāo)檢測(cè)，因此YOLO-GT針對(duì)復(fù)雜背景具備強(qiáng)大的抗干擾能力，通過(guò)優(yōu)化算法有效濾除噪聲，確保準(zhǔn)確識(shí)別目標(biāo)，實(shí)現(xiàn)了高效精準(zhǔn)的檢測(cè)（圖7（i）～圖7（1））。

4結(jié)束語(yǔ)

由于遙感影像目標(biāo)檢測(cè)存在復(fù)雜背景干擾和小目標(biāo)檢測(cè)效果問(wèn)題，本文提出了YOLO-GT模型。提出了多感知融合的檢測(cè)頭——ASADH，通過(guò)在特征層級(jí)、空間位置和輸出通道之間無(wú)縫結(jié)合多個(gè)自注意機(jī)制，實(shí)現(xiàn)了尺度感知、空間位置感知和任務(wù)感知的多感知融合，獲得了更加豐富的特征信息，有效克服了復(fù)雜背景信息對(duì)目標(biāo)檢測(cè)的干擾，并顯著增強(qiáng)了小目標(biāo)檢測(cè)的效果。然后將YOLOv8的定位損失函數(shù)改進(jìn)為WIoU以聚焦普通質(zhì)量錨框的預(yù)測(cè)回歸。為解決上采樣過(guò)程中語(yǔ)義信息丟失的問(wèn)題．引入了CARAFE這一輕量級(jí)上采樣算子。在DIOR遙感影像數(shù)據(jù)集中的實(shí)驗(yàn)精度達(dá)到了90.4%，相較于原始YOLOv8，整體精度提高2.1%，參數(shù)量減少9.2%，證明了所提出的改進(jìn)措施的有效性。

在改進(jìn)模型的同時(shí)，注意到了推理速度的下降。未來(lái)將努力優(yōu)化模型，減少參數(shù)數(shù)量，以提高推理速度，實(shí)現(xiàn)高精度與高效率的平衡。