注意力空洞卷积无人机遥感多目标检测方法研究

摘要：

针对无人机遥感影像中多类别目标的检测问题,本文提出一种单阶段的深度学习新目标检测模型.在特征提取结构内,首先使用空洞卷积核来构建基本的提取结构,让模型在提取过程中获取感受野更大、原始信息保留更充分的特征图;针对小目标检测精度不佳问题,采用通道注意力与空间注意力组合的多路注意力机制来提高模型对真实目标的关注程度;在特征图连续上采样的基础上,将来自同层以及高层下采样的特征图进行融合来获取鲁棒性更强、语义信息更充分的特征图实施最终的检测.以VisDrone、DLR-MVDA数据集和路采影像组成数据集,并使用暗通道先验等方法对其进行强化,组成训练数据集对模型进行训练.实验结果表明,本文所提出的模型对于无人机遥感影像中的多种类别的目标均能够实现较好的检出,其平均精度均值较其余3 种基准模型分别提高8.56%、4.58%及 15.81%,检测速度可以达到25 帧/s的水平,说明所提出模型能够针对遥感影像中的多类别目标实施快速精准的检测,同时具有较好的泛化能力.

关键词：遥感、无人机、目标检测、深度学习、注意力机制

所属期刊栏目：46

分类号：P237(摄影测量学与测绘遥感)

在线出版日期：2023-12-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：136-139