基于改进YOLOv5的遥感图像旋转框目标检测
Remote sensing image rotatable bounding box object detection based on improved YOLOv5作者机构:航天工程大学航天信息学院北京101416
出 版 物:《电子设计工程》 (Electronic Design Engineering)
年 卷 期:2023年第31卷第14期
页 面:137-141,146页
学科分类:08[工学] 0805[工学-材料科学与工程(可授工学、理学学位)]
主 题:目标检测 遥感图像 注意力机制 Swin Transformer YOLOv5 旋转框
摘 要:针对遥感图像由于具有背景复杂和目标方向多变、尺度变化剧烈的特性导致目标检测精度较低的问题,文中提出了一种基于瓶颈注意力的遥感图像目标检测算法R-YOLOv5。该算法通过主干特征提取网络、瓶颈注意力、旋转框和损失函数的改进来加强网络对关键目标的特征提取能力,并在训练阶段采用了Mosaic和Mixup的TTA数据增强策略来弱化遥感图像复杂的背景信息对检测的影响。实验结果表明,R-YOLOv5的mAP达到了94.7%,与原始YOLOv5相比,提高了14.1%,可以有效提高遥感图像目标检测精度。