改进YOLOv5s的遥感图像目标检测

摘要：

针对遥感图像中感兴趣目标特征不明显、背景信息复杂、小目标居多导致的目标检测精度较低的问题,本文提出了一种改进YOLOv5s的遥感图像目标检测算法(Swin-YOLOv5s).首先,在骨干特征提取网络的卷积块中加入轻量级通道注意力结构,抑制无关信息的干扰;其次,在多尺度特征融合的基础上进行跨尺度连接和上下文信息加权操作来加强待检测目标的特征提取,将融合后的特征图组成新的特征金字塔;最后,在特征融合的过程中引入Swin Transformer网络结构和坐标注意力机制,进一步增强小目标的语义信息和全局感知能力.将本文提出的算法在DOTA数据集和RSOD数据集上进行消融实验,结果表明,本文提出的算法能够明显提高遥感图像目标检测的平均准确率.

关键词：遥感图像、感兴趣目标、目标检测、特征提取、轻量级通道注意力结构、多尺度特征融合、上下文信息、Swin变换器、坐标注意力机制

所属期刊栏目：18

分类号：TP751;TP391(遥感技术)

资助基金：河北省自然科学基金;中央高校基本科研业务费面上项目;中央高校基本科研业务费面上项目;国家自然科学基金;国家自然科学基金

在线出版日期：2023-03-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：86-95