首页|基于YOLO-V5改进的遥感图像目标检测

基于YOLO-V5改进的遥感图像目标检测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对遥感图像中目标的像素占比小,用传统方法难以有效检测的问题,提出一种改进的YOLO-V5遥感图像目标检测方法.在Backbone部分,将SPPF模块替换为SPPFAM模块来抑制图像中的无关信息,增强网络对感兴趣区域的学习能力.在Neck部分,将原始的PANet结构改进为BiFPN结构以提高网络的多尺度特征融合能力.在Head部分,增加小目标检测头,使网络能够检测到尺度更小的目标.最后使用EIoU损失函数替换原来的CIoU损失函数.改进后的网络在UCAS-AOD和RSOD数据集上进行了实验,验证了该方法的有效性.
Remote sensing image target detection based on YOLO-V5 improvement

remote sensing imagetarget detectionSPPFAMmulti-scale feature fusionsmall target detection headloss function

刘晶宇、杨鹏

展开 >

南京审计大学计算机学院,江苏 南京 211815

遥感图像 目标检测 SPPFAM 多尺度特征融合 小目标检测头 损失函数

国家自然科学基金江苏省自然科学基金

62172229SBK2021020091

2023

10.16644/j.cnki.cn33-1094/tp.2023.07.012

计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
年,卷(期)：2023.(7)
  • 1
  • 7