改进YOLOv4在遥感飞机目标检测中的应用研究

• 作者: 侯涛 蒋瑜
• 来源期刊: 计算机工程与应用
• 关键词: 遥感图像 飞机目标 卷积神经网络 YOLOv4
• 年，卷（期）: 2021,（12）
• 所属期刊栏目: 图形图像处理|Graphics and Image Processing
• 页码范围: 224-230
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2011-0248

摘要

针对遥感图像中飞机目标检测精度低、检测速度慢、背景复杂等问题,提出了一种基于深度学习的改进YOLOv4目标检测算法.改进YOLOv4的主干特征提取网络,保留高分辨率的特征层,去除了用于检测大目标的特征层,减少语义丢失.在卷积神经网络中使用DenseNet(密集连接网络)加强对飞机目标的特征提取,减少梯度消失问题.对数据集使用K-means算法得到效果最佳的先验框数量和尺寸.在RSOD(Remote Sensing Object Detection)数据集和DIOR(Detection In Optical Remote sensing images)数据集上的实验表明,该算法满足实时性的需求,且该算法的精确度达到95.4％,较原算法提升了0.3个百分点;召回率达到86.04％,提升了4.68个百分点;mAP值达到85.52％,提升了5.27个百分点.