文献类型：期刊文章

作　　者：董丽君[1,2] 曾志高[1,2] 易胜秋[1,2] 文志强[1,2] 孟辰[1,2]

ONG Lijun;ZENG Zhigao;YI Shengqiu;WEN Zhiqiang;MENG Chen(College of Computer Science,Hunan University of Technology,Zhuzhou Hunan 412007,China;Intelligent Information Perception and Processing Technology Hunan Province Key Laboratory,Zhuzhou Hunan 412007,China)

机构地区：[1]湖南工业大学计算机学院,湖南株洲412007 [2]湖南省智能信息感知与处理技术重点实验室,湖南株洲412007

出　　处：《湖南工业大学学报》

基　　金：国家重点研发计划基金资助项目(2018AAA0100400);湖南省自然科学基金资助项目(2020JJ6089,2020JJ6088);湖南省教育厅科研基金资助项目(21A0350,21C0439,19A133)。

年　　份：2022

卷　　号：36

期　　号：3

起止页码：44-50

语　　种：中文

收录情况：JST、普通刊

摘　　要：为了解决在遥感图像目标检测任务中目标背景繁杂难以识别且目标尺寸复杂的问题,提出一种基于YOLOv5的遥感图像检测优化模型。首先,对输入数据进行马赛克增强,增加样本多样性,同时采用自适应锚框计算,寻求最优初值锚框;然后,把通过主干网络提取到的特征层进行特征融合得到最优特征层,再对定位损失进行优化,采用CIoU loss作为定位损失函数,Focal loss作为分类损失函数;最后,在测试时对输入图片采用自适应图片缩放,以减少信息冗余,加快模型检测速率。该模型能有效捕捉图像特征,实现快速精准的目标定位。对公开10类地理空间物体检测数据集(NWPU-VHR 10)和RSOD数据集进行了训练测试,对比试验表明,优化模型mAP达到0.9896,比优化前的模型mAP提升了2.31%,与使用相同数据集的其他模型的最优值进行比较,其mAP提升了8.19%,该方法能有效提高遥感图像检测精度。

关 键 词：遥感图像检测  YOLOv5算法  CIoU loss  Focal loss  马赛克数据增强  自适应方法

分 类 号：TP391.4]