期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
多尺度特征增强与交互融合的遥感小目标检测
1
作者
李云红
魏小双
+5 位作者
苏雪平
李丽敏
田谷丰
郝特吉
冯准若
李仕博
《西北大学学报(自然科学版)》
北大核心
2025年第2期277-285,共9页
针对遥感图像小目标检测任务中,存在目标细节纹理信息模糊导致特征提取与融合不佳、小目标漏检等问题,提出了一种基于多尺度特征增强与交互融合的遥感小目标检测算法。首先,采用跨层多分支连接结构的多尺度特征增强(multiscale feature ...
针对遥感图像小目标检测任务中,存在目标细节纹理信息模糊导致特征提取与融合不佳、小目标漏检等问题,提出了一种基于多尺度特征增强与交互融合的遥感小目标检测算法。首先,采用跨层多分支连接结构的多尺度特征增强(multiscale feature enhancement,MFE)模块,利用Split分流操作丰富和增强不同梯度获取的纹理特征信息,同时引入轻量级特征幻影模块Ghost进行通道线性变换,生成更多有效的特征细节信息流,以增强对图像中局部细节特征信息的关注;其次,构建特征交互融合(feature interaction fusion,FIF)模块,引入多分支串并行的卷积块与自适应机制的池化块,交互输入特征的通道语义信息和空间特征变换,捕获全局上下文信息,精确小目标的关键位置信息,加强特征信息之间的相关性,实现细粒度特征的多维度交互融合。使用公开的光学遥感数据集DIOR验证所提算法,改进后的网络模型平均精度值为87.6%,与NPMMR-Det、YOLOv7、YOLOv5等其他7种优秀算法相比均有提高,改进后的遥感图像小目标检测算法取得了更好的检测精度。
展开更多
关键词
遥感
图像
小目标
检测
多尺度特征增强
Split分流
自适应机制
细节特征交互融合
在线阅读
下载PDF
职称材料
基于改进YOLOv5的遥感小目标检测网络
被引量：
16
2
作者
李嘉新
侯进
+1 位作者
盛博莹
周宇航
《计算机工程》
CAS
CSCD
北大核心
2023年第9期256-264,共9页
受遥感图像背景复杂、分辨率高、有效信息量少等因素影响,现有目标检测算法在检测小目标过程中存在错检、漏检等问题。提出基于YOLOv5的遥感小目标检测算法YOLOv5-RS。为有效减少图像中复杂背景和负样本的干扰,构建并行混合注意力模块,...
受遥感图像背景复杂、分辨率高、有效信息量少等因素影响,现有目标检测算法在检测小目标过程中存在错检、漏检等问题。提出基于YOLOv5的遥感小目标检测算法YOLOv5-RS。为有效减少图像中复杂背景和负样本的干扰,构建并行混合注意力模块,采用卷积替换全连接层和移除池化层的操作来优化注意力模块生成权重特征图的过程。为获取和传递更丰富且更具判别性的小目标特征,调整下采样倍数并在模型训练过程中增加小目标信息丰富的浅层特征,同时设计卷积与多头自注意力相结合的特征提取模块,通过对局部和全局信息进行联合表征以突破普通卷积提取的局限性,从而获得更大的感受野。采用EIoU损失函数优化预测框与检测框的回归过程,增强小目标的定位能力。在遥感小目标数据集上进行实验以验证该算法的有效性。实验结果表明,与YOLOv5s相比,该算法在参数量减少20%的情况下平均检测精度提升1.5个百分点,其中,小车类目标的平均检测精度提升3.2个百分点;与EfficientDet、YOLOx、YOLOv7相比,该算法能有效兼顾检测精度和实时性。
展开更多
关键词
遥感小目标检测
改进YOLOv5
并行混合注意力
全局特征融合
损失函数
在线阅读
下载PDF
职称材料
面向遥感小目标检测的实例间特征聚合方法研究
3
作者
王海涛
艾晨
+1 位作者
谭福
高硕
《宇航学报》
2025年第7期1467-1474,共8页
针对遥感图像小目标检测中特征缺失与定位精度低的问题,提出一种融合实例特征交互与自适应回归度量的检测框架。通过构建动态图结构的实例间特征聚合网络,利用高置信度实例引导弱目标特征增强,减少因下采样导致的漏检;同时设计分段平滑W...
针对遥感图像小目标检测中特征缺失与定位精度低的问题,提出一种融合实例特征交互与自适应回归度量的检测框架。通过构建动态图结构的实例间特征聚合网络,利用高置信度实例引导弱目标特征增强,减少因下采样导致的漏检;同时设计分段平滑Wasserstein损失,将边界框建模为2D高斯分布,结合一阶与二阶距离度量,优化多尺度定位精度。在AI-TOD v1/v2和DOTA v2数据集上的实验结果表明,该方法在小目标检测精度、特征增强能力和回归优化效果方面均取得显著提升,同时保持了较低的计算和参数开销。该方法为高分辨率遥感场景下的微小目标检测提供了轻量化解决方案。
展开更多
关键词
遥感小目标检测
特征聚合增强
图神经网络
Wasserstein距离
边界框回归
在线阅读
下载PDF
职称材料
题名
多尺度特征增强与交互融合的遥感小目标检测
1
作者
李云红
魏小双
苏雪平
李丽敏
田谷丰
郝特吉
冯准若
李仕博
机构
西安工程大学电子信息学院
出处
《西北大学学报(自然科学版)》
北大核心
2025年第2期277-285,共9页
基金
国家自然科学基金(62203344)
陕西省自然科学基础研究重点项目(2022JZ-35)
陕西高校青年创新团队。
文摘
针对遥感图像小目标检测任务中,存在目标细节纹理信息模糊导致特征提取与融合不佳、小目标漏检等问题,提出了一种基于多尺度特征增强与交互融合的遥感小目标检测算法。首先,采用跨层多分支连接结构的多尺度特征增强(multiscale feature enhancement,MFE)模块,利用Split分流操作丰富和增强不同梯度获取的纹理特征信息,同时引入轻量级特征幻影模块Ghost进行通道线性变换,生成更多有效的特征细节信息流,以增强对图像中局部细节特征信息的关注;其次,构建特征交互融合(feature interaction fusion,FIF)模块,引入多分支串并行的卷积块与自适应机制的池化块,交互输入特征的通道语义信息和空间特征变换,捕获全局上下文信息,精确小目标的关键位置信息,加强特征信息之间的相关性,实现细粒度特征的多维度交互融合。使用公开的光学遥感数据集DIOR验证所提算法,改进后的网络模型平均精度值为87.6%,与NPMMR-Det、YOLOv7、YOLOv5等其他7种优秀算法相比均有提高,改进后的遥感图像小目标检测算法取得了更好的检测精度。
关键词
遥感
图像
小目标
检测
多尺度特征增强
Split分流
自适应机制
细节特征交互融合
Keywords
remote sensing image small target detection
multiscale feature enhancement
Split triage
adaptive mechanism
interactive fusion of detailed features
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于改进YOLOv5的遥感小目标检测网络
被引量：
16
2
作者
李嘉新
侯进
盛博莹
周宇航
机构
西南交通大学计算机与人工智能学院
西南交通大学信息科学与技术学院智能感知智慧运维实验室
西南交通大学综合交通大数据应用技术国家工程实验室
出处
《计算机工程》
CAS
CSCD
北大核心
2023年第9期256-264,共9页
基金
国家重点研发计划(2020YFB1711902)。
文摘
受遥感图像背景复杂、分辨率高、有效信息量少等因素影响,现有目标检测算法在检测小目标过程中存在错检、漏检等问题。提出基于YOLOv5的遥感小目标检测算法YOLOv5-RS。为有效减少图像中复杂背景和负样本的干扰,构建并行混合注意力模块,采用卷积替换全连接层和移除池化层的操作来优化注意力模块生成权重特征图的过程。为获取和传递更丰富且更具判别性的小目标特征,调整下采样倍数并在模型训练过程中增加小目标信息丰富的浅层特征,同时设计卷积与多头自注意力相结合的特征提取模块,通过对局部和全局信息进行联合表征以突破普通卷积提取的局限性,从而获得更大的感受野。采用EIoU损失函数优化预测框与检测框的回归过程,增强小目标的定位能力。在遥感小目标数据集上进行实验以验证该算法的有效性。实验结果表明,与YOLOv5s相比,该算法在参数量减少20%的情况下平均检测精度提升1.5个百分点,其中,小车类目标的平均检测精度提升3.2个百分点;与EfficientDet、YOLOx、YOLOv7相比,该算法能有效兼顾检测精度和实时性。
关键词
遥感小目标检测
改进YOLOv5
并行混合注意力
全局特征融合
损失函数
Keywords
remote sensing small object detection
improved YOLOv5
parallel mixed attention
global feature fusion
loss function
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
面向遥感小目标检测的实例间特征聚合方法研究
3
作者
王海涛
艾晨
谭福
高硕
机构
中国空间技术研究院
出处
《宇航学报》
2025年第7期1467-1474,共8页
文摘
针对遥感图像小目标检测中特征缺失与定位精度低的问题,提出一种融合实例特征交互与自适应回归度量的检测框架。通过构建动态图结构的实例间特征聚合网络,利用高置信度实例引导弱目标特征增强,减少因下采样导致的漏检;同时设计分段平滑Wasserstein损失,将边界框建模为2D高斯分布,结合一阶与二阶距离度量,优化多尺度定位精度。在AI-TOD v1/v2和DOTA v2数据集上的实验结果表明,该方法在小目标检测精度、特征增强能力和回归优化效果方面均取得显著提升,同时保持了较低的计算和参数开销。该方法为高分辨率遥感场景下的微小目标检测提供了轻量化解决方案。
关键词
遥感小目标检测
特征聚合增强
图神经网络
Wasserstein距离
边界框回归
Keywords
Small object detection in remote sensing
Feature aggregation and enhancementt
Graph neural network
Wasserstein distance
Bounding box regression
分类号
V447.3 [航空宇航科学技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
多尺度特征增强与交互融合的遥感小目标检测
李云红
魏小双
苏雪平
李丽敏
田谷丰
郝特吉
冯准若
李仕博
《西北大学学报(自然科学版)》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于改进YOLOv5的遥感小目标检测网络
李嘉新
侯进
盛博莹
周宇航
《计算机工程》
CAS
CSCD
北大核心
2023
16
在线阅读
下载PDF
职称材料
3
面向遥感小目标检测的实例间特征聚合方法研究
王海涛
艾晨
谭福
高硕
《宇航学报》
2025
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
