根据《基于残差收缩网络的遥感图像目标检测算法》这篇文章的描述，针对于遥感图像中背景复杂噪声多、小目标多且排布密集、目标尺度差异大等问题，有学者提出了一种改进通道注意力与残差收缩网络的遥感图像目标检测算法。
基于残差收缩网络的遥感图像目标检测
该算法借助卷积神经网络，以YOLOV3模型作为基础网络，选择Mosaic图像增强的方式进行数据预处理，采用深度残差收缩模块重构了特征提取网络，并结合通道注意力机制与组合池化构建空间金字塔池化融合层，采用CIOU进行定位损失计算，最终实现遥感图像目标检测。
深度残差收缩网络的基本模块
实验结果表明：改进算法相比于原算法的总体mAP由89.2%提升至92.2%，获得了更好的性能表现。
遥感图像识别结果
其中，残差收缩网络是一种较新的深度学习方法，是残差网络的改进，将信号降噪、特征提取、分类等部分，全部集成在一个深度神经网络中，以提高在强噪、高冗余数据上的表现。
深度残差收缩网络的基本原理