融合改进密集连接和分布排序损失的遥感图像检测
针对遥感图像中小目标尺寸较小、样本分布不均匀、特征不明显等问题,提出一种改进的YOLOv3目标检测算法.在使用Stitcher数据增强解决小目标样本分布不均匀的问题后,提出VOVDarkNet-53基础网络,将DarkNet-53基础网络中第4次下采样后的8个残差模块减少为4个残差模块.然后采用VOVNet的密集连接方式,使网络利用更多的浅层小目标特征信息,增加网络感受野.最后,采用分布排序损失改进YOLOv3中的分类损失,解决单阶段目标检测器正负样本不平衡的问题.实验使用YOLOv3目标检测算法和改进后的YOLOv3算法在HRRSD遥感数据集上进行对比.结果表明,改进后的YOLOv3算法对小目标和中目标的检测精确度分别提升了7.2％和2.1％,尽管对大目标的检测精度下降了1％,但在平均单张图片处理时间几乎不变的情况下,平均检测精度均值(mAP)提升了4.1％,召回率和准确率也有所提升.
遥感图像;目标检测;YOLOv3;基础网络;样本不平衡
48
TP391.4(计算技术、计算机技术)
贵州省科学技术基金资助项目;贵州省联合资金资助项目;贵州大学2017年度学术新苗培养及创新探索专项;贵州省科技计划项目;贵州省教育厅创新群体重大研究项目;贵州省普通高等学校工程研究中心;贵州省科技计划重点项目
2021-09-17（万方平台首次上网日期，不代表论文的发表时间）
共6页
168-173
