改进YOLOv7的遥感图像小目标检测

作     者：孙超 周永康 陈正超 刘均学 丁建军 SUN Chao;ZHOU Yongkang;CHEN Zhengchao;LIU Junxue;DING Jianjun

作者机构：江汉大学智能制造学院武汉430000 

基　　金：中国国家重点研发计划(2018YFD1100104)、湖北省教育厅教学研究项目(2022277)、江汉大学校级科研基金资助项目(2022XKZX32) 

出 版 物：《遥感信息》 (Remote Sensing Information)

年 卷 期：2024年第39卷第4期

页      码：53-60页

摘      要：针对在遥感图像中进行小目标检测时,由于目标尺寸小、视觉信息不明显以及背景复杂多变等因素,导致传统的检测方法在精度和鲁棒性方面存在局限性,容易造成漏检、误检的问题,文章提出了一种改进YOLOv7的目标检测算法,采用SIoU作为损失函数,改善目标检测框的定位精度,从而提高检测的准确性和鲁棒性。同时,通过将CNeB模块应用于特征融合过程,增强了特征之间的空间交互能力,进一步提升了小目标的检测性能。此外,为了更好地捕捉遥感图像中小目标的细节特征,利用CA注意力机制,设计了MPCA模块,实现了对特征图的自适应调整,以提高表征能力。在实验部分,使用了经典的遥感图像数据集进行了大量的实验评估。实验结果表明,所提出的基于SIoU、CNeB模块和CA注意力机制的改进方法在RSOD数据集上四分类均值平均精度达到了96.8%,比原版YOLOv7提升了2.5%,有效提高了遥感图像小目标检测精度。

主 题 词：目标检测 小目标 YOLOv7 损失函数 注意力机制 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.20091/j.cnki.1000-3177.2024.04.006

馆 藏 号：203142715...