-
题名特征协同与细粒度感知的遥感图像小目标检测
被引量：7
- 1
-
-
作者
肖振久
张杰浩
林渤翰
-
机构
辽宁工程技术大学软件学院
-
出处
《光电工程》
CAS
CSCD
北大核心
2024年第6期46-58,共13页
-
基金
辽宁省高等学校基本科研项目(LJKMZ20220699)
辽宁工程技术大学学科创新团队项目(LNTU20TD-23)。
-
文摘
针对遥感图像中小目标多、排列密集导致的漏检问题,提出一种特征协同与细粒度感知的遥感图像小目标检测算法。首先,构造精细特征协同策略,通过智能调整卷积核参数,优化了特征间的交互和整合过程;通过精确控制信息流,实现从粗糙到精细的渐进式特征精化。在此基础上,本文设计一个细粒度感知模块,将感知注意力与移动反向卷积结合形成一个增强型检测头,显著增强网络对于极小尺寸物体的感知能力。最后,为了提升模型训练的效率,采用MPDIoU和NWD作为回归损失函数,解决位置偏差,加快模型收敛。在DOTA1.0数据集和DOTA1.5数据集上的实验结果表明,改进后算法相比于基准方法,平均精度分别提高7.4%和6.1%,相较于其他算法具有明显优势,显著改善遥感图像中小目标的漏检情况。
-
关键词
遥感图像
小目标检测
特征协同
细粒度感知
-
Keywords
remote sensing images
small target detection
feature synergy
fine-gained aware
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名改进YOLOv7的SAR舰船检测算法
被引量：10
- 2
-
-
作者
肖振久
林渤翰
曲海成
-
机构
辽宁工程技术大学软件学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第15期243-252,共10页
-
基金
辽宁省高等学校基本科研项目(LJKMZ20220699)
辽宁工程技术大学学科创新团队项目(LNTU20TD-23)。
-
文摘
为了解决合成孔径雷达(synthetic aperture radar,SAR)图像中小目标舰船和复杂背景下舰船检测精度低的问题,并使模型更加轻量化,提出了一种改进YOLOv7的SAR舰船检测算法。在YOLOv7主干网络构建REPPConv-ELAN模块替换原ELAN,减少网络的计算量和内存占用,加快推理速度,同时增强网络对目标特征的提取能力;在特征融合部分融入ConvNeXt Block加速网络提取和融合复杂目标的特征信息;再把全局注意力机制(GAM)加入至下采样阶段,构建一种用来捕捉全局特征的采样模块(MP-GAM),在通道维度和空间维度上进行特征捕捉和特征融合,实现多维信息的交互,提高网络对复杂背景下舰船的关键特征捕捉能力;在检测头的回归损失函数处引入新度量NWD替换IoU,增强对小目标的检测能力。在HRSID数据集上进行了实验对比,改进后的方法相比于YOLOv7,模型的参数量和计算量显著减少;AP值提升了10.04个百分点,准确率提升了3.61个百分点,召回率提升了15.15个百分点。与目前的主流算法对比,精度明显提高。实验结果表明,改进算法能有效提升SAR舰船检测精度,显著改善复杂舰船的误检和漏检情况。
-
关键词
SAR图像
舰船检测
YOLOv7
部分卷积
全局注意力机制
NWD度量
ConvNeXt
Block
-
Keywords
SAR images
ship detection
YOLOv7
partial convolution
global attention mechanism
NWD metric
ConvNeXt Block
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
TN911.73
[电子电信—通信与信息系统]
-
