计算机工程

作者：崔丽群, 曹华维

单位：辽宁工程技术大学软件学院, 辽宁 葫芦岛 125105

关键词：目标检测,遥感图像,特征融合,感受野模块,圆形平滑标签

基金：辽宁省高等学校基本科研项目(LJKMZ20220699)。

目前目标检测技术虽然已经趋于成熟,但是对遥感图像的检测仍存在不少挑战。针对遥感图像的背景复杂、目标尺度差异大、目标方向任意等特点造成目标检测精度低下的问题,提出一种基于改进YOLOv5的遥感图像目标检测算法。首先,构建一种联合注意力的多尺度特征增强网络,充分融合高低层特征,使特征层具有语义信息的同时包含丰富的细节信息,并在融合过程中利用设计的特征聚焦模块帮助模型选择关键特征,抑制无关信息。其次,使用感受野模块(RFB)对融合后的特征图进行更新,扩大特征图的感受野,减少特征信息损失。最后,对目标增加旋转角度,并采用圆形平滑标签将回归问题转化成分类问题,提高遥感目标定位的准确性。在用于航拍图像目标检测的大规模数据集(DOTA)上的实验结果表明,与YOLOv5算法相比,所提算法的交并比(IoU)为0.5和0.5~0.95时的平均精度均值(mAP@0.5和mAP@0.5：0.95)分别提高了7.3和3.3个百分点,能够明显提高复杂背景下遥感图像目标的检测精度,并改善对遥感目标的漏检和误检情况。

来源：2024年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第4期