-
题名受昆虫视觉启发的多光谱遥感影像小目标检测
被引量：8
- 1
-
-
作者
黄凤辰
李敏
石爱业
汤敏
徐立中
-
机构
河海大学计算机与信息学院
河海大学通信与信息系统工程研究所
-
出处
《通信学报》
EI
CSCD
北大核心
2011年第9期88-95,共8页
-
基金
国家自然科学基金资助项目(60774092
60901003)
高等学校博士学科点专项科研基金资助项目(20070294027)~~
-
文摘
现有多光谱遥感影像目标检测算法大多依赖于结构化背景模型和先验信息,背景复杂化和先验信息匮乏将导致高虚警率的检测结果。受昆虫视觉系统中小目标检测神经元的启发,跳出传统研究思路,提出多光谱遥感影像小目标仿生检测模型及相应的目标检测方法。该方法利用神经元非线性滤波特性对突变信号的敏感性,在局部区域内通过背景纹理抑制和目标边缘增强实现目标检测。实验结果表明该方法在高复杂度背景条件下获得较为稳定的低虚警率检测效果。同时该算法可以较好地平衡背景复杂度和空间分辨率之间的矛盾关系,相比现有检测算法还具有原理简单、易于实现等特点。
-
关键词
多光谱遥感影像
目标检测
小目标检测神经元模型
虚警率
-
Keywords
multi-spectral remote sensing image
target detection
small target detection neuron
false alarm rate
-
分类号
TP71
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于改进YOLOv5的无人机影像小目标检测算法
- 2
-
-
作者
薛雨昂
周孟然
-
机构
安徽理工大学电气与信息工程学院
-
出处
《佳木斯大学学报(自然科学版)》
2025年第3期16-18,22,共4页
-
基金
国家重点研发计划重点专项子课题(2018YFC0604503)
-
文摘
无人机航拍图像的目标检测面临多重挑战,如小尺度目标与背景难以区分、目标集中易遮挡和显著尺度变化,导致通用检测器精度下降。中文改进YOLOv5,提出TRYOLO,旨在解决小目标检测问题。TRYOLO通过增加检测分支,提升多尺度环境下的性能,更有效地捕捉不同尺度的目标特征,特别是在小物体检测上表现突出。此外,TRYOLO采用基于NWD(Normalized Wasserstein Distance)的新度量替代传统IoU,以增强小目标检测能力,并融合Biformer注意力机制寻找密集场景中的关注区域,同时使用基于Transformer的预测头提升检测效果。在VisDrone数据集上的实验表明,TRYOLO在mAP指标上比YOLOv5提高了5.14%,AP50指标增加了5.29%,展现出优越性能。
-
关键词
YOLOv5
模型小目标检测
动态稀疏注意力
消融实验
-
Keywords
YOLOv5
Model small object detection
Dynamic sparse attention
Ablation experiment
-
分类号
TP391
[自动化与计算机技术]
-
