Rotating target detection in remote sensing images by integrating improved YOLOv11 with an efficient hybrid encoder
Liping Xie
改进YOLOv11与RT-DETR集成，实现遥感图像旋转目标检测，提升精度与速度。
空间深度转换卷积、高效混合编码器、解耦旋转检测头、高斯角度回归。
DOTA和HRSC2016上精度达81.68%和94.45%，参数38.2M，速度62FPS。
可探索将旋转目标检测用于农业遥感中的作物行、农机等方向任意目标的精准识别。
该论文主题为遥感图像旋转目标检测，属于计算机视觉领域，未涉及农业应用或农业信息化，不相关。
在遥感图像检测中，小目标特征在下采样过程中容易丢失，复杂背景可能干扰全局语义提取，且目标方向任意排列，进一步增加了旋转定位的难度。为此，本研究提出了一种改进的You Only Look Once版本11（YOLOv11）骨干网络和实时检测变压器（RT-DETR）用于目标检测。首先，针对YOLOv11引入了一种空间-深度转换卷积重建特征提取网络，将空间维度信息无损映射到通道维度。其次，利用集成RT-DETR的高效混合编码器，通过AIFI和CCGM捕获长距离全局依赖关系。随后，采用解耦旋转检测头和基于高斯分布的角度回归策略，联合优化旋转目标检测。最后，在DOTA和HRSC2016基准数据集上进行了系统的模块消融实验，并与主流算法进行了比较验证。在两个数据集上，平均精度分别达到81.68%和94.45%，相比基线模型分别提升了5.26%和5.95%。此外，该模型具有38.2M参数和62 FPS的推理速度，展示了检测精度与计算效率之间的良好平衡。在细粒度性能分析中，在“小型车辆”和“桥梁”等困难类别上的精度分别达到80.5%和58.2%，显著优于对比算法。与基于定向区域的卷积神经网络相比，其在DOTA数据集上的精度高出1.23%，推理速度提升2.8倍。在IoU=0.8的严格定位标准下，其检测精度比YOLOv8-OBB高出10.2%。所提出的模型不仅在多尺度特征提取和全局上下文感知方面表现优异，还能精确定位旋转目标。