В связи с проблемой низкой точности обнаружения самолетов на цветных дистанционных изображениях из-за малого объема целей, плотного распределения и сложного фона предложен улучшенный алгоритм обнаружения самолетов произвольной ориентации на цветных дистанционных изображениях без якорных точек. Используется BBAVectors в качестве базовой модели, для извлечения признаков применяется ResNet50 в качестве основной сети, после сети пирамиды признаков FPN добавлен модуль PANet, расширяющий путь сверху вниз, чтобы сократить путь передачи информации и усилить пирамиду признаков за счет точной информации о положении низших уровней. Далее введен модуль CBAM механизм внимания, который за счет подавления шума и выделения признаков целей повышает точность обнаружения самолетов в сложных условиях. Проведены абляционные и сравнительные эксперименты на датасете DOTA, а с помощью DOTA_devkit выполнено обрезание данных с коэффициентом 0.5 и 1 для повышения точности модели. Улучшенная модель достигла точности обнаружения 90.35% на тестовом наборе цветных дистанционных изображений. По сравнению с исходной моделью, точность увеличилась на 0.82%. Результаты экспериментов показывают, что данный метод имеет лучшие результаты обнаружения самолетов на цветных дистанционных изображениях.

обнаружение самолетов;произвольная ориентация;без якорных точек;расширение пути;механизм внимания