改进YOLOv5的遥感图像目标检测
针对遥感图像在目标检测任务中存在目标小、背景复杂、密集分布导致检测精度低的问题,提出了一种改进YOLOv5的遥感图像目标检测算法.首先在主干网络中引入了Swin Transformer Block模块增强网络的特征提取能力;其次在特征融合层使用更高效的加权双向特征金字塔;然后在特征金字塔结构中添加卷积注意力模块来增强网络对有效特征信息的提取;最后在预测层中引入EIoU损失函数进行坐标框定位,提高预测框的回归精度和收敛速度.通过在公开的NWPU VHR-10数据集上实验表明改进后的算法平均精度均值达到了94.6%,与YOLOv5相比提高了3.3%,并且与其他主流算法相比平均精度均值和FPS均有较大的优势.
目标检测、遥感图像、Swin Transformer Block、特征金字塔、注意力机制
36
TP391.41(计算技术、计算机技术)
国家自然科学基金41604154
2023-05-11(万方平台首次上网日期,不代表论文的发表时间)
共10页
57-66