基于旋转框和注意力机制的遥感图像目标检测算法
在遥感图像目标检测中,遥感图像在俯视视角下通常呈现任意方向排布.该情况使得常见检测算法在自然场景下有很好的检测效果但往往在遥感图像下检测效果不理想.针对遥感场景下的检测不理想的问题,在单阶段检测网络YOLOv5的基础上提出了一种基于旋转目标框和注意力机制的遥感图像目标检测算法(CSL-YOLOv5).首先,在原网络的特征提取网络(CSPDarknet53)的基础上进行了改造,使输出特征图数量增多,优化网络对小目标的检测效果.然后,在残差块中加入了一种融合通道模块和空间模块的注意力机制,增强图像特征的表达效果,同时利用Focal Loss来优化训练效果,在保证检测速度的基础上提升检测精度.最后,使用基于环形平滑标签的长边表示法来实现目标框的旋转,通过把回归问题转为分类问题来解决角度周期性对训练的影响.实验结果表明,所提出的CSL-YOLOv5算法在DOTA数据集取得了76.24 mAP的检测精度,对比先前的单阶段算法有着更高的精度,对比YOLOv5的mAP相比较提高了8.06％.该算法在遥感场景下,检测的准确率高且鲁棒性好.
遥感图像;目标检测;旋转框;注意力机制
44
TP391.4(计算技术、计算机技术)
2021-10-09（万方平台首次上网日期，不代表论文的发表时间）
共7页
114-120
