基于改进YOLOv4的遥感图像目标检测
针对遥感图像在复杂背景下因特征提取和表达能力不足而存在漏检和检测效果不佳的问题,提出一种优化特征提取网络的YOLOv4算法模型.该改进模型引入了一种新的Dense-PANet结构以获取更高的分辨率特征,并通过在特征提取网络中嵌入注意力机制以适应遥感图像因视野范围大而导致复杂背景下小目标漏检和检测效果不佳的问题.为了证明本文所提方法的有效性,针对DIOR遥感数据源进行了对比实验,结果表明,本文算法平均准确率(mean average preci-sion,mAP)为 86.55％,相比原算法提高了 2.52％,较 YOLOv3、RetinaNet 提高了 6.58％、14.09％,验证了所改进算法的有效性.
目标检测、遥感图像、YOLOv4、注意力机制
33
TP751.1(遥感技术)
国家自然科学基金;内蒙古自治区科技计划项目;内蒙古自然基金项目;内蒙古自治区高等学校青年科技人才发展计划项目
2022-09-19（万方平台首次上网日期，不代表论文的发表时间）
共7页
607-613
