摘要：日益增加的衛星遙感、無人機遙感應用對遙感圖像目標檢測提出了苛刻的性能需求。為了提高應用的時效性,相較于傳統的圖像數據服務器集中處理方式,目標檢測算法向星載、機載終端計算設備的部署是一個重要的發展趨勢。遙感圖像的像素數量遠高于普通圖像,給終端設備的目標檢測帶來了嚴重的計算負擔。為了解決這一問題,考慮到遙感圖像覆蓋幅寬廣,有效目標分布稀疏的特點,提出了一種基于注意力的遙感圖像目標輕量化檢測網絡,該算法將檢測任務拆分為串行的兩個階段,對兩個階段的深度神經網絡分別采取不同程度的輕量化策略,從而使得整體檢測任務在準確率和計算效率上同時得到優化。在第1階段,利用高壓縮比的分類網絡,得到目標區域的掩模圖像,從而讓第2階段檢測網絡的注意力只集中在包含目標區域的范圍;在第2階段,利用MobileNet網絡的通道分離卷積方式實現檢測網絡的小型化。在NVIDIAJetsonTX2嵌入式計算平臺上的實驗表明,相對傳統的大型檢測網絡,該方法在不損失性能的情況下,速度提升了5倍,網絡規模縮小了1倍。