改进YOLOv5的遥感图像目标检测算法 |
| |
作者姓名: | 李坤亚 欧鸥 刘广滨 于泽峰 李林 |
| |
作者单位: | 成都理工大学计算机与网络安全学院(牛津布鲁克斯学院) |
| |
基金项目: | 四川省科技厅应用基础研究项目(2021YJ0335); |
| |
摘 要: | 针对遥感图像中背景复杂度高、目标尺寸多样和小目标存在过多所导致的目标检测精度较低的问题,提出一种改进YOLOv5的遥感图像目标检测算法。该算法在主干网络引入通道-全局注意力机制(CGAM)以增强对不同尺度目标的特征提取能力和抑制冗余信息的干扰。引入密集上采样卷积(DUC)模块扩张低分辨率卷积特征图,有效增强不同卷积特征图的融合效果。将改进算法应用于公开遥感数据集RSOD中,改进YOLOv5算法平均精度AP值达到78.5%,较原算法提升了3.1个百分点。实验结果证明,改进后的算法能有效提高遥感图像目标检测精度。
|
关 键 词: | 遥感图像 目标检测 YOLOv5 注意力机制 上采样 |
|