融合改进密集连接和分布排序损失的遥感图像检测

• 作者: 袁磊 刘紫燕 朱明成 马珊珊 陈霖周廷
• 来源期刊: 计算机科学
• 关键词: 遥感图像 目标检测 YOLOv3 基础网络 样本不平衡
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 计算机图形学& 多媒体|Computer Graphics & Multimedia
• 页码范围: 168-173
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.11896/jsjkx.200800001

摘要

针对遥感图像中小目标尺寸较小、样本分布不均匀、特征不明显等问题,提出一种改进的YOLOv3目标检测算法.在使用Stitcher数据增强解决小目标样本分布不均匀的问题后,提出VOVDarkNet-53基础网络,将DarkNet-53基础网络中第4次下采样后的8个残差模块减少为4个残差模块.然后采用VOVNet的密集连接方式,使网络利用更多的浅层小目标特征信息,增加网络感受野.最后,采用分布排序损失改进YOLOv3中的分类损失,解决单阶段目标检测器正负样本不平衡的问题.实验使用YOLOv3目标检测算法和改进后的YOLOv3算法在HRRSD遥感数据集上进行对比.结果表明,改进后的YOLOv3算法对小目标和中目标的检测精确度分别提升了7.2％和2.1％,尽管对大目标的检测精度下降了1％,但在平均单张图片处理时间几乎不变的情况下,平均检测精度均值(mAP)提升了4.1％,召回率和准确率也有所提升.