计算机工程

作者：杨雨迪, 葛海波, 辛世澳, 薛紫涵, 袁昊

单位：西安邮电大学电子工程学院, 陕西 西安 710121

关键词：目标检测,超分辨率,遥感图像,YOLOv8网络,注意力机制,特征融合

基金：陕西省自然科学基金(2011JM8038); 陕西省重点产业创新链(群)项目(S2019-YF-ZDCXL-0098)

为了应对遥感图像目标检测中小目标像素低、背景复杂、硬件资源有限等问题, 提出一种融合超分辨率(SR)和特征增强的小目标检测模型。采用GhostNet网络中的Ghost卷积层替换YOLOv8网络中的传统卷积层Conv, 在不影响检测精度的情况下降低网络模型的参数量和计算量。在主干网络中, 构建超分辨率辅助增强(SRAE)模块提升图像的分辨率和特征提取能力。利用三层特征融合(TFF)模块, 获取主干网络较低层的空间特征, 改善快速空间金字塔池化(SPPF)层特征空间提取不足的问题, 提高小目标空间定位能力。设计自注意力信息转移(SAT)模块, 在保证模型轻量化的同时增强小目标的语义信息和全局信息。实验结果表明, 改进模型在DIOR数据集上实现了90.5%的mAP@0.5、15.1×106的参数量和30.3×109的每秒浮点运算次数(FLOPs), 相比于其他模型在实现网络轻量化的同时提升了小目标检测精度。

来源：2024年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第11期