融合背景信息和方向信息的遥感图像旋转目标检测

针对遥感图像目标检测中因目标尺度差异大、方向分布复杂导致的检测精度不足问题，提出一种融合背景信息与方向信息的检测网络。首先，针对目标尺度差异大的问题，设计了感受野扩张模块（Receptive Field Extending，RFE）。与传统的固定感受野或复杂多分支的结构不同，该模块通过大核分解、空洞卷积与并联分支结构设计，在不显著增加计算量的前提下，融合多尺度的背景信息，解决了不同尺度目标对背景信息需求差异的问题。其次，针对目标方向分布复杂的问题，设计方向感知交互注意力机制模块（Orientation Aware Cross Attention，OACA）。与现有的注意力机制卷积核形状不同，该模块通过水平与垂直方向可分离卷积提取方向纹理信息，防止特征缺失与断裂；同时设计交叉注意力机制，抑制背景噪声并增强方向信息的交互性。实验结果表明，提出的方法在DOTA，HRSC2016和DIOR-R数据集上检测精度分别达到76.88%、98.43%和65.06%，相比Oriented R-CNN方法分别提升了1.01%，0.83%和0.76%，进一步验证了背景信息和方向信息协同的有效性。