电子测量技术

作者：肖锋，杨文豪，张文娟，黄姝娟，周雨洁

单位：1.西安工业大学兵器科学与技术学院 西安 710016;2.西安工业大学基础学院 西安 710016; 3.西安工业大学计算机科学与工程学院 西安 710016

关键词：遥感图像;目标检测;RT-DETR;注意力机制;多尺度特征融合

基金：国家自然科学基金面上项目（62171361）、国家自然科学基金青年项目（52302505）、陕西省科技厅重点研发计划项目（2023-YBGY-027）、陕西省教育厅专项科研计划项目（22JK0412）资助

遥感图像中的目标常呈细长、曲折等复杂形态，且伴随尺度变化大与背景干扰强等因素，导致现有检测方法易出现缺检和误检，难以满足高精度检测需求，为此，提出一种改进的遥感图像目标检测算法TriD-DETR。首先，通过动态调整卷积核形状并优化通道适配与残差连接方式，设计了DKFE特征提取模块，该模块能够自适应地聚焦于细长曲折的局部区域，从而准确捕捉目标特征；其次，为了提高模型对复杂目标的定位和识别能力，提出DATE尺度内特征交互结构，在重构Transformer编码器的基础上引入可变形注意力机制，增强了模型对高级特征和深层语义信息的捕捉能力；最后，针对多尺度特征融合部分，提出DBFB多样性分支融合模块，通过组合不同尺度和复杂度的多样性分支使特征空间更丰富，从而增强模型的表达能力。实验结果表明，TriD-DETR算法在DIOR和RSOD数据集上分别达到86.8%和94.1%的mAP，相较于原模型RT-DETR-R18，分别提升了1.2%和2.3%，充分证明了TriD-DETR算法的可靠性与高效性。

来源：2026年第2期

《电子测量技术》期刊编辑部

查看电子测量技术杂志2026年第2期