联合多尺度与注意力机制的遥感图像目标检测

摘要：

遥感图像存在背景复杂、目标尺度差异大且密集分布等不足,为提高现有算法的检测效果提出联合多尺度与注意力机制的遥感图像目标检测算法.改进空洞空间金字塔池化模块,增大不同尺寸图像的感受野;提出注意力模块用于学习特征图通道信息和空间位置信息,提升算法对复杂背景下遥感图像目标区域的特征提取能力;引入加权双向特征金字塔网络结构与主干网结合来增进多层次特征的融合;使用基于距离的非极大值抑制方法进行后处理,改善检测框易重叠的问题.在DIOR和NWPUVHR-10数据集上的实验结果表明:所提算法的平均精度均值mAP分别达到71.6％和91.6％,相比于主流的YOLOv5s算法分别提升了2.9％和1.5％.所提算法对复杂遥感图像取得了更好的检测效果.

关键词：遥感图像、目标检测、YOLOv5s算法、多尺度特征、注意力模块、特征融合、非极大值抑制

所属期刊栏目：56

分类号：TP751.1(遥感技术)

资助基金：广东省重点领域研发计划资助项目;国家自然科学基金;国家自然科学基金;河北省自然科学基金资助项目;河北省自然科学基金资助项目;河北省高等学校科学技术研究项目;河北省高等学校科学技术研究项目;中央引导地方科技发展资金资助项目

在线出版日期：2022-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2215-2223