一种轻量级的遥感小目标检测方法，该方法采用基于尺度的动态损失函数和高效的多尺度注意力机制

《Scientific Reports》：A lightweight remote sensing small-object detection approach with scale-based dynamic loss and efficient multi-scale attention

　　

摘要

在遥感图像的自动化处理中，如环境监测和空中监视，精确的小目标检测至关重要。然而，由于特征表示有限、背景复杂以及定位误差的存在，这一任务仍然具有挑战性。为了解决这些问题，本文提出了一种轻量级的检测方法，该方法结合了基于尺度的动态损失机制和高效的多尺度注意力机制。该方法基于最新的YOLO变体中的A2C2f模块设计了一个名为A2C2fLite的轻量级主干网络，以减少冗余参数和计算开销。在最终检测头之前嵌入了一个EMA模块，以增强多尺度特征表示并提高目标与背景的区分能力。SD损失机制有效地解决了尺度变化和遮挡问题，从而提高了定位精度，超越了传统的基于交并比的损失函数。在具有代表性的遥感数据集上进行评估时，所提出的方法实现了93.6%的精确度、86.6%的召回率和92.6%的mAP_50值，同时仅使用了200万个参数和5.7 GFLOPs的计算资源。与基线YOLOv13相比，该方法通过将参数数量减少20%和计算开销减少8.1%，同时将mAP_50值提高了1.5%，实现了更好的精度与效率之间的平衡。可视化结果表明，该方法能够减少误报并优化边界框的定位精度。通过最小化内存占用和计算瓶颈，这种轻量级设计为资源受限的边缘设备（如机载无人机系统和嵌入式航空传感器）上的实时小目标检测提供了明显的实际优势。这些发现表明，所提出的方法为复杂的遥感应用提供了一种高效、稳健且易于部署的解决方案。