首页|针对遥感图像目标检测的改进YOLOv5s算法

针对遥感图像目标检测的改进YOLOv5s算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
针对遥感图像中背景复杂、小目标分布密集以及易受环境因素影响导致检测性能不佳的问题,提出一种改进的YOLOv5s目标检测算法.首先,通过设计一种混淆鉴别注意力机制(Confusion-Distinguishable Attention,CDA)来避免目标与背景之间的混淆,提高对目标信息的关注度,能够有效提升目标检测的准确性和健壮性.其次,在原结构的颈部添加小目标检测层,解决小目标分布紧密、漏检的现象,从而提高算法的多尺度目标检测性能.最后,在DOTA数据集中进行实验和验证.实验结果表明,所提算法能够明显提高遥感图像目标检测的平均准确率.
Improved YOLOv5s Algorithm for Remote Sensing Image Target Detection

remote sensing imagesobject detectionYOLOv5sdeep learningattention mechanism

林子翔

展开 >

福州大学先进制造学院,福建 泉州 362200

遥感图像 目标检测 YOLOv5s 深度学习 注意力机制

2024

10.16280/j.videoe.2024.01.003

电视技术
电视电声研究所 中国电子科技集团公司第三研究所

电视技术

影响因子：0.496
ISSN：1002-8692
年,卷(期)：2024.48(1)
  • 13