文献类型：期刊文章

作　　者：化嫣然[1] 张卓[2] 龙赛[1] 张青林[1]

Hua Yanran;Zhang Zhuo;Long Sai;Zhang Qinglin(Central China Normal University,Wuhan 430079,China;Shanghai Aerospace Electronic Technology Institute,Shanghai 201109,China)

机构地区：[1]华中师范大学,武汉430079 [2]上海航天电子技术研究所,上海201109

出　　处：《电子测量技术》

基　　金：华中师范大学中央高校基本科研业务费(CCNU16A05028)项目资助。

年　　份：2020

卷　　号：43

期　　号：24

起止页码：87-92

语　　种：中文

收录情况：JST、RCCSE、ZGKJHX、普通刊

摘　　要：针对遥感图像中大尺寸目标检测的平均精度(AP)较低的问题,提出了一种优化的YOLOv3-Tiny算法。首先在YOLOv3-Tiny算法的基础上增加了1×1卷积来实现多个特征图的跨通道交互及信息整合,进而来提取图像的全局信息,使输出的特征图包含更丰富的语义特征;其次将空洞卷积(atrous convolution)引入到YOLOv3-Tiny网络,用来增大特征图的感受野,改善大目标的检测效果;最后在RSOD-Dataset数据集上进行对比实验。结果表明,优化后的YOLOv3-Tiny算法相比原YOLOv3-Tiny算法,其均值平均精度(mAP)提高了1.4%,在较大尺寸的目标Overpass检测中,Overpass检测的平均精度提高了4.05%。

关 键 词：YOLOv3-Tiny  感受野 全局信息 空洞卷积  遥感图像

分 类 号：TP391.4]