10.3969/j.issn.1006-9348.2023.08.007
基于改进YOLOv3的遥感小目标检测网络
目标检测在遥感图像解译中起着至关重要的作用,但由于遥感影像场景的复杂性以及拥有大量小而密集的、杂乱和旋转的目标使得检测难度大大增加.针对YOLOv3 目标检测算法在遥感图像小目标检测方面精度较低的缺点,提出一种改进的YOLOv3 检测网络,首先引入注意力机制,设计了一种新的特征提取模块,融合背景感知,强调小目标特征;其次对YOLOv3 网络结构进行优化,增加了小目标检测层且优化了损失函数,进一步解决小目标识别精度低的问题;最后在大型光学遥感数据集DIOR和NWPU VHR-10 上展开实验研究.实验结果表明,改进的模型与YOLOv3 相比mAP提升8%~14%,且泛化性较好,检测速度达66FPS,满足实时性要求.
深度学习、小目标检测、遥感影像
40
TP391(计算技术、计算机技术)
北京理工大学长三角研究院嘉兴研究生交叉创新专项计划;基础加强技术领域基金;北京市自然科学基金
2023-11-02(万方平台首次上网日期,不代表论文的发表时间)
共6页
30-35