基于YOLOv5的遥感图像目标检测

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据

中文摘要：目标检测是遥感图像处理领域的一项重要技术,遥感图像目标种类繁多且存在目标物体难以被检测.提出把YOLOv5算法应用到遥感图像目标检测的方法,首先选择YOLOv5x来构建网络模型,再通过Mosaic数据增强对样本集进行预处理和自适应锚框筛选方法确定锚框大小,然后切片卷积操作得到原始特征图,将原始特征图送入主干网络进行特征融合得到最优权重,最后采用GIOU Loss做边界框的损失函数和非极大值抑制目标框的筛选,对遥感图像进行目标检测.在公开的10类地理空间物体(NWPU-VHR 10)数据集进行了检测实验,以评估所提出模型的目标检测性能.对比实验表明,本文的模型mAP达到了0.9239,与使用相同数据集的模型中的最佳结果进行比较,mAP提升了1.78％,该方法可以提高遥感图像目标检测精度.

外文标题：Remote Sensing Image Target Detection Based on YOLOv5

作者：

邢宇驰、李大军、叶发茂

展开 >

作者单位：

东华理工大学测绘工程学院,330013,南昌

关键词：

遥感图像目标检测 YOLOv5x NWPU-VHR 10

出版年：

2021

DOI：

10.13990/j.issn1001-3679.2021.04.029