基于双注意力机制的遥感图像目标检测

摘要：

针对遥感图像在复杂背景下小目标检测精度较低的问题,提出一种基于双注意力机制模型的SSD检测算法.该算法在前端特征提取网络中引入双注意力机制模型,强化低层特征图中小目标的有效特征信息并抑制冗余的语义信息,实现自适应特征学习;并在空间注意力模型中引入空洞卷积,保证卷积核感受野的同时减少了网络参数.引入Focal loss损失函数作为改进算法的分类损失函数,改善网络在训练过程中样本失衡的问题,增加正样本与难样本在训练时的权重比例,提升算法的检测性能.对遥感图像数据集NWPU VHR-10进行检测的结果表明,本文的改进算法在保证检测速度的同时提高了检测精度.与传统SSD算法相比,改进SSD算法的mAP提高了2.25个百分点,达到79.65％.

关键词：深度学习、目标检测、特征提取、双注意力机制模型、空洞卷积、Focalloss损失函数

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61701047

在线出版日期：2020-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1-7