计算机工程

作者：李嘉新, 侯进, 盛博莹, 周宇航

单位：1. 西南交通大学 计算机与人工智能学院, 成都 6117562. 西南交通大学 信息科学与技术学院智能感知智慧运维实验室, 成都 6117563. 西南交通大学 综合交通大数据应用技术国家工程实验室, 成都 611756

关键词：遥感小目标检测,改进YOLOv5,并行混合注意力,全局特征融合,损失函数

基金：国家重点研发计划(2020YFB1711902)

受遥感图像背景复杂、分辨率高、有效信息量少等因素影响，现有目标检测算法在检测小目标过程中存在错检、漏检等问题。提出基于YOLOv5的遥感小目标检测算法YOLOv5-RS。为有效减少图像中复杂背景和负样本的干扰，构建并行混合注意力模块，采用卷积替换全连接层和移除池化层的操作来优化注意力模块生成权重特征图的过程。为获取和传递更丰富且更具判别性的小目标特征，调整下采样倍数并在模型训练过程中增加小目标信息丰富的浅层特征，同时设计卷积与多头自注意力相结合的特征提取模块，通过对局部和全局信息进行联合表征以突破普通卷积提取的局限性，从而获得更大的感受野。采用EIoU损失函数优化预测框与检测框的回归过程，增强小目标的定位能力。在遥感小目标数据集上进行实验以验证该算法的有效性。实验结果表明，与YOLOv5s相比，该算法在参数量减少20%的情况下平均检测精度提升1.5个百分点，其中，小车类目标的平均检测精度提升3.2个百分点；与EfficientDet、YOLOx、YOLOv7相比，该算法能有效兼顾检测精度和实时性。

来源：2023年第9期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第9期