科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对尺度多样化且目标密集的飞机遥感影像存在检测准确度较低和模型复杂不易部署的问题，提出一种基于改进YOLOv4的遥感飞机目标检测模型。采用K-means++算法对目标样本进行锚定框优化，提高先验框与目标异物的尺寸匹配度，减少漏检率；在损失函数中引入focal loss以降低简单负样本在训练过程中所占权重；融合卷积核剪枝与层间剪枝对卷积核和批量归一化BN层进行稀疏训练，简化网络结构并降低参数量。经实验，改进后的YOLOv4异物检测算法在UCAS-AOD和RSOD公共遥感数据集上mAP达到92.23%,检测速度提高至130.24帧/s,有利于实际工业场景中遥感影像飞机目标的快速检测。
- 单位
