軽量なリモートセンシング画像の物体検出は、リモートセンシングデータの効率的な処理および実用的なシーンでの応用において重要な価値を持っています。リモートセンシング画像には円形または類似四角形の物体（例えば、油タンク、車両など）が非常に一般的であり、これらの物体を正確に検出することは、資源監視や都市計画などのタスクに重要な意味を持ちます。リモートセンシング画像の物体検出精度が継続的に向上する中で、モデルの複雑さが著しく増加しており、既存のリモートセンシング画像物体検出方法は精度とモデルの複雑さの間で効果的なバランスを実現することが困難です。これらの問題に対して、円形または類似四角形の物体検出ネットワークを基に、空間-チャネル再構成に基づく軽量なリモートセンシング画像物体検出手法を提案し、高精度を維持しつつモデルの複雑さを低減することを目的としています。まず、特徴マップの空間次元に存在する冗長な情報に対して、空間再構成ユニットを用いて空間特徴の豊富さに応じて特徴マップを分離し、空間情報が豊富なグループと冗長なグループを得た後、両グループに対して交差再構成操作を行い空間特徴の冗長性を減らし、リモートセンシング画像物体の空間特徴表現を強化します。次に、特徴マップのチャネル情報冗長性に対して、部分畳み込みに基づくチャネル再構成ユニットを提案し、特徴マップをチャネル次元で二分割し、一方は部分畳み込みで効率的に特徴を抽出し、もう一方は点畳み込みで隠れた詳細情報を取得し、両チャネル部分を重み付きで再構成および連結し、より少ない計算コストで特徴を抽出し重要なチャネルの特徴表現を強化します。実験結果は、提案手法がモデルの計算量とパラメータ数を効果的に削減しつつ、良好な検出精度を維持していることを示しています。

リモートセンシング画像;物体検出;円形物体;モデル軽量化;再構成ユニット