Réseau à noyaux sélectifs de grande taille pour la détection d'objets en télédétection

Les recherches récentes en détection d’objets par télédétection se sont principalement concentrées sur l’amélioration de la représentation des boîtes englobantes orientées, tout en ignorant les connaissances a priori propres aux scénarios de télédétection. Ces connaissances a priori sont en effet pertinentes, car des objets très petits dans les images de télédétection peuvent être mal détectés en l’absence d’un contexte à longue portée suffisamment informatif, et les besoins en contexte à longue portée varient selon les types d’objets. Dans cet article, nous prenons en compte ces connaissances a priori et proposons le réseau à noyaux sélectifs larges (Large Selective Kernel Network, LSKNet). LSKNet peut ajuster dynamiquement son champ réceptif spatial étendu afin de mieux modéliser le contexte à longue portée associé à divers objets dans les scénarios de télédétection. À notre connaissance, il s’agit de la première étude explorant les mécanismes de noyaux larges et sélectifs dans le domaine de la détection d’objets par télédétection. Sans recourir à des artifices supplémentaires, LSKNet établit de nouveaux records sur des benchmarks standards : HRSC2016 (98,46 % mAP), DOTA-v1.0 (81,85 % mAP) et FAIR1M-v1.0 (47,87 % mAP). Sur la base d’une technique similaire, nous avons obtenu la deuxième place au Greater Bay Area International Algorithm Competition 2022. Le code est disponible à l’adresse suivante : https://github.com/zcablii/Large-Selective-Kernel-Network.