针对输电杆塔在高分辨率遥感卫星影像中尺度较小、语义信息占比过低导致的检测识别精度低等问题,提出一种改进YOLOv5x的输电杆塔检测识别方法。以YOLOv5x单阶段目标检测网络结构为基础,采用C3融合卷积模块以及改进的注意力机制模块优化...针对输电杆塔在高分辨率遥感卫星影像中尺度较小、语义信息占比过低导致的检测识别精度低等问题,提出一种改进YOLOv5x的输电杆塔检测识别方法。以YOLOv5x单阶段目标检测网络结构为基础,采用C3融合卷积模块以及改进的注意力机制模块优化特征提取与特征融合策略,同时通过多尺度特征融合模块提高对小尺度目标的识别能力。基于亚米级遥感卫星数据在输电走廊区域开展输电杆塔检测识别实验,结果表明,该方法的平均精确率(mean Average Precision,mAP)可达到0.902,较原始YOLOv5x提高3.9%,与RCNN等经典目标识别网络相比也有较大提升,为高分辨率遥感卫星影像输电杆塔的高精度识别提供了技术支撑。展开更多
文摘针对输电杆塔在高分辨率遥感卫星影像中尺度较小、语义信息占比过低导致的检测识别精度低等问题,提出一种改进YOLOv5x的输电杆塔检测识别方法。以YOLOv5x单阶段目标检测网络结构为基础,采用C3融合卷积模块以及改进的注意力机制模块优化特征提取与特征融合策略,同时通过多尺度特征融合模块提高对小尺度目标的识别能力。基于亚米级遥感卫星数据在输电走廊区域开展输电杆塔检测识别实验,结果表明,该方法的平均精确率(mean Average Precision,mAP)可达到0.902,较原始YOLOv5x提高3.9%,与RCNN等经典目标识别网络相比也有较大提升,为高分辨率遥感卫星影像输电杆塔的高精度识别提供了技术支撑。
