针对高分辨率遥感图像中物体排布密集、尺度变化较大等特性,提出一种目标检测算法 R-YOLOv5.算法在YOLOv5 模型基础上首先将跨阶段局部扩张结构作用于主干网络,采用一种加强的特征提取方式,通过整合空洞卷积和密集连接,来缓解模型对密集分布目标的漏检问题;其次,在主干网络的瓶颈部分结合Transformer模块来增强特征的表达,突出目标区域;最后,引入多尺度特征融合模块,解决多尺度特征融合时存在的不一致性问题,以提高模型的检测效果.在公开的遥感图像检测数据集DIOR的实验结果表明,R-YOLOv5 算法平均精度均值(mAP)达到 80.6%,具有良好的检测性能.
NETL
NSTL
维普
万方数据
