首页|基于pro-YOLOv4的多尺度航拍图像目标检测算法

基于pro-YOLOv4的多尺度航拍图像目标检测算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
航拍图像目标检测存在多尺度目标检测精度低、检测速度慢、漏检和误检严重等问题.针对这些问题,提出一种融合卷积注意力机制和轻量化网络的目标检测算法(pro-YOLOv4),并应用于多尺度航拍图像目标检测.首先,利用K-means聚类算法对航拍数据集进行聚类分析并优化锚框参数,以提高对目标检测的有效性;其次,采用轻量级网络结构,精简网络复杂度,提高检测速度;最后,引入卷积注意力模块来解决复杂场景对于航拍目标检测的干扰,从而有效降低误检率和漏检率.在航拍数据集RSOD和NWPU VHR-10上进行实验对比,实验结果表明,pro-YOLOv4检测效果较YOLOv4有明显提升,平均检测精度分别提高了3.42％和3.98％.该算法不仅对多尺度目标均表现出较好检测性能,还降低了目标漏检率,并具有较好的鲁棒性和泛化能力.
Multi-scale aerial image target detection algorithm based on pro-YOLOv4

赵玉卿、贾金露、公维军、钱育蓉

展开 >

新疆大学软件学院,乌鲁木齐830046

新疆大学新疆维吾尔自治区信号检测与处理重点实验室,乌鲁木齐830046

新疆大学新疆大学软件工程重点实验室,乌鲁木齐830046

新疆大学信息科学与工程学院,乌鲁木齐830046

展开 >

计算机视觉 目标检测 YOLOv4 注意力机制

国家自然科学基金资助项目新疆维吾尔自治区研究生创新项目国家自然科学基金联合基金重点项目

61966035XJ2020G074U1803261

2021

10.19734/j.issn.1001-3695.2021.01.0068

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(11)
  • 7
  • 1