10.3969/j.issn.1673-6338.2021.03.010
一种改进YOLOv4的遥感影像典型目标检测算法
如何使传统神经网络算法对遥感影像典型目标检测表现出良好的适应性是当前遥感领域的一项难点.在深入解析最新YOLOv4网络结构及算法核心思想前提下,首先通过增加104×104的特征层尺度并嵌入SE模块进行网络结构改进;继而根据待检测目标尺度特点调整锚点框,提高YOLOv4算法对遥感影像典型目标检测性能;最后设计对照实验进行验证.实验结果表明YOLOv4算法相比RFB-Net和Reti-naNet有明显的性能优势,所提出的YOLOv4改进算法对遥感影像中飞机和油罐两类典型目标的召回率和平均准确率得到显著提升,证明了改进算法的有效性.
YOLOv4算法、遥感影像、目标检测、特征尺度优化、SE模块
38
P237(摄影测量学与测绘遥感)
2021-07-12(万方平台首次上网日期,不代表论文的发表时间)
共7页
280-286