基于改进YOLOv5的遥感图像飞机目标检测

摘要：

针对遥感图像中飞机检测尺寸大小不一、背景复杂导致的难以识别问题,提出一种基于YOLOv5网络模型的改进方法.首先,在YOLOv5网络模型中融入Swin-Transformer模块,使网络全局建模并使全维度信息交互,以提升网络的特征提取能力;然后,对损失函数进行优化,引入SIOU损失函数以考虑真实框和预测框之间的向量角度问题.对比实验结果表明:改进后的网络模型召回率为91.2%,比改进前提升0.6个百分点;改进后平均检测精度mAP0.5为95.7%,比改进前提升0.2个百分点.改进后的YOLOv5网络模型能在一定程度上提升遥感图像中飞机目标检测性能.

关键词：遥感图像、YOLOv5、Swin-Transformer、SIOU

所属期刊栏目：37

分类号：TP751(遥感技术)

资助基金：安徽省高校自然科学研究重点项目;安徽省职成教教育科研规划课题;安徽商贸职业技术学院自然科学重点项目

在线出版日期：2023-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：66-71