基于多感受野特征增强的改进EfficientDet遥感目标检测算法

作     者：张润梅 贾振楠 李佳祥 吴路路 徐信芯 袁彬 ZHANG Runmei;JIA Zhennan;LI Jiaxiang;WU Lulu;XU Xinxin;YUAN Bin

作者机构：安徽建筑大学机械与电气工程学院合肥230000 安徽省工程机械智能制造重点实验室合肥230000 陕西省高速公路施工机械重点实验室西安710000 安徽省仿真设计与现代制造工程技术研究中心安徽芜湖241000 安徽工程大学安徽芜湖241000 

基　　金：国家自然科学基金(52005003) 陕西省高速公路施工机械重点实验室开放基金(300102252507) 安徽省仿真设计与现代制造工程技术研究中心开放基金(SGCZXZD2101) 安徽省研究生创新创业实践项目(2022cxcysj155) 

出 版 物：《电光与控制》 (Electronics Optics & Control)

年 卷 期：2024年第31卷第7期

页      码：53-60,96页

摘      要：针对遥感图像目标检测中小目标检测精度低、目标密集和尺度形态多样等问题,在轻量化网络EfficientDet-D0目标检测算法的基础上,在加权双向特征金字塔网络(BiFPN)进行特征融合时加入小尺度以及高一级尺度的中间信息,对BiFPN网络进行重构,充分利用不同尺度信息,提高多尺度目标检测精度;同时在BiFPN中加入融合空洞卷积和快速归一化融合方法的特征增强模块,补强因特征图缩放所丢失的特征信息,进一步提高检测精度;另外,采用参数动态的Dynamic ReLU激活函数对原始网络中的参数静态的Swish激活函数进行改进。改进EfficientDet算法在不影响轻量化特点的前提下,对公开数据集Pascal VOC的目标检测平均精度均值(mAP)相较于原始算法提升11.9个百分点,亦优于其他目标检测算法。针对遥感图像数据集RSOD,通过Imgaug数据增强库对已有的936幅遥感图像数据集进行数据增广,利用改进模型进行迁移学习,未进行数据增广和增广后的目标检测结果分别为88.38%和96.78%,证明所提算法可以满足实际应用中对遥感图像目标的检测要求。

主 题 词：深度学习 遥感图像 目标检测 EfficientDet 多尺度特征融合 特征增强模块 Dynamic ReLU 

学科分类：1305[艺术学-设计学类] 13[艺术学] 08[工学] 081104[081104] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.3969/j.issn.1671-637X.2024.07.009

馆 藏 号：203126702...