科研之友
微信
新浪微博
Facebook
分享链接
摘要
遥感图像存在背景复杂、目标小且密集排列等问题，基于深度学习的目标检测方法可以提高目标检测的准确率，但是普遍存在模型参数量较多、检测速度一般的问题。针对上述问题，提出一种基于改进YOLOv4的遥感图像目标检测方法。首先采用轻量化网络Mobile NetV3代替YOLOv4的原特征提取网络，提高检测速度；其次在预测层中串联自注意力机制，使用改进非极大值抑制算法进行后处理；最后，在图像预处理中通过Mosaic方法进行数据增强，使用K-means方法获得更匹配遥感目标的候选框参数，在预测层中使用Complete Intersection Over Union (CIoU)损失函数进行坐标框定位。实验数据集由NWPU VHR-10和DOTA两个经典遥感数据集共同组成，包含船、车辆、港口等10个类别。结果表明，当遥感图像输入尺寸为608×608时，检测速度为54 frame/s，是YOLOv4检测速度的1.6倍，平均精度均值达到85.60%，所提方法在保持较高检测精度的同时，减小了参数量、提高了检测速度。
- 单位
