基于改进YOLOv5的遥感图像目标检测研究

• 作者: 李建新 陈厚权 范文龙
• 来源期刊: 计算机测量与控制
• 学科: 工学
• 关键词: 遥感图像 目标检测 YOLOv5 SimAM CFP
• 年，卷（期）: 2024,（9）
• 所属期刊栏目: 测试与故障诊断
• 页码范围: 102-108,115
• 页数: 8页
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2023.09.016

摘要

针对遥感图像中背景复杂度高、目标尺寸多样所导致的目标检测精度低的问题，提出一种基于改进YOLOv5的遥感图像目标检测算法；采用ConvNeXt网络作为主干网络，结合了CNN的局部特性和Transformer的全局特性，克服了传统CNN在全局上下文信息处理和长距离依赖关系挖掘上的局限性，实现了对全局信息的有效捕获；引入SimAM注意力机制，在不增加网络参数的情况下推断出特征图的3D注意力权值，提高网络的稳定性以及抗干扰能力；采用CFP捕获全局长距离依赖关系以及遥感图像的局部关键区域信息，以及新颖的SIoU loss边界框定位损失函数和Soft-SIoU-NMS非极大值抑制方法，进一步提升了遥感图像实时检测的效果；在RSOD数据集上进行的测试，结果表明本算法相比于原网络提高了10.6%的平均精度，达到了94.2%。