-
题名基于改进YOLOv5的遥感图像目标检测
被引量：6
- 1
-
-
作者
崔丽群
曹华维
-
机构
辽宁工程技术大学软件学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第4期228-236,共9页
-
基金
辽宁省高等学校基本科研项目(LJKMZ20220699)。
-
文摘
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(Io U)为0.5和0.5~0.95时的平均精度均值(m AP@0.5和m AP@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。
-
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
-
Keywords
target detection
remote-sensing image
feature fusion
Receptive Field Block(RFB)
circular smooth label
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于YOLOv5s的轻量化遥感舰船检测算法
被引量：3
- 2
-
-
作者
王浩臣
辛月兰
郭江
王庆庆
-
机构
青海师范大学物理与电子信息工程学院
-
出处
《中国舰船研究》
CSCD
北大核心
2024年第5期200-207,共8页
-
基金
国家自然科学基金资助项目(61662062)
青海省自然科学基金面上资助项目(2022-ZJ-929)。
-
文摘
[目的]针对遥感图像舰船目标检测任务中轻量化和快速推理的需求,提出一种基于改进YOLOv5s的轻量化遥感舰船目标检测算法LR-YOLO。[方法]首先,主干网络采用ShuffleNet v2 Block堆叠方式,有效减少算法的参数量并提高计算速度;其次,设计区域选择模块Filter,选择感兴趣的区域,更充分地提取有效特征;最后,引入圆形光滑标签计算角度损失,对遥感舰船目标进行旋转检测,并采用可变形卷积,以此来适应几何形变,提升检测效果。[结果]在HRSC2016舰船数据集上的实验结果表明,该算法的检测精度达到92.90%,提高1.3%,并且算法参数量仅为基线模型的39.33%。[结论]该算法实现了轻量化和检测准确率的平衡,为轻量化遥感舰船目标检测提供了参考。
-
关键词
YOLOv5s
遥感图像
舰船目标检测
可变形卷积
圆形平滑标签
-
Keywords
YOLOv5s
remote sensing images
ship target detection
deformable convolution
circular smooth label
-
分类号
U675.79
[交通运输工程—船舶及航道工程]
-
-
题名改进YOLOv5网络在遥感图像目标检测中的应用
被引量：16
- 3
-
-
作者
周华平
郭伟
-
机构
安徽理工大学计算机科学与工程系
-
出处
《遥感信息》
CSCD
北大核心
2022年第5期23-30,共8页
-
基金
国家自然科学基金项目(61703005)
安徽省重点研究与开发计划(202004b11020029)。
-
文摘
针对遥感图像目标检测存在的尺度多样化、分布密集、小目标检测困难等问题,提出了一种改进YOLOv5网络的遥感图像目标检测的新方法Fca_YOLOv5。该方法引入了频率通道注意力网络,引导模型更加关注信息丰富的特征;将网络输入尺寸优化为1 024,减少了图像缩放带来的影响;采用圆形平滑标签计算角度损失,对船舰目标进行旋转目标检测,进一步提升检测效果。在DOTA遥感图像数据集上进行实验,检测精度最高达到了75.9%,船舰旋转目标检测精度达到了96.1%,并且Fca_YOLOv5s的检测精度比YOLOv5s提高了3.1%。实验结果表明,改进网络对遥感图像中的微小目标具有较好的检测效果,有效提升了遥感图像的检测精度,对实现遥感图像中的微小目标检测具有一定的参考意义。
-
关键词
YOLOv5
频率通道注意力机制
网络输入尺寸
圆形平滑标签
小目标检测
-
Keywords
YOLOv5
FcaNet
network input size
circular smoothing label
small object detection
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
