基于改进YOLOv3的遥感目标检测算法

作     者：王兴涛 单慧琳 孙佳琪 崔志强 张培琰 龙见洋 WANG Xingtao;SHAN Huilin;SUN Jiaqi;CUI Zhiqiang;ZHANG Peiyan;LONG Jianyang

作者机构：南京信息工程大学电子与信息工程学院南京210044 无锡学院电子信息工程学院江苏无锡214105 

出 版 物：《兵器装备工程学报》 (Journal of Ordnance Equipment Engineering)

年 卷 期：2023年第44卷第11期

页      面：279-286页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(62071240,62106111) 江苏省一流本科课程项目(2021YLKC005) 

主　　题：深度学习 YOLOv3算法 特征尺度 空间通道注意力机制 轻量化网络 K-means++聚类算法 

摘      要：针对YOLOv3算法在遥感图像检测中对飞机、船舰等小目标的准确度不高等问题,提出了一种用于遥感目标检测的改进YOLOv3算法。使用H-Swish激活函数替代MobileNetV2中Bottleneck Residual block第一层中的ReLU6激活函数,为使网络更加关注遥感图像的细节信息,在MobileNetV2中加入能够更多关注特征图的隐藏信息的空间通道注意力机制;利用改进后的MobileNetV2代替YOLOv3中原始的Darknet-53主干网络。将调整后的Focal loss损失函数代替YOLOv3中原来的损失函数,并在原算法的基础上减少特征尺度,使算法处理时间更短。使用K-means++聚类算法对数据集进行聚类分析,获得一组先验框。在DOTA数据集上进行了测试,实验结果表明:改进后的算法将权重模型从18.8 MB减少到了8.0 MB,将平均检测时间从36.6 ms减少到了28.42 ms,将mAP_0.5从61.7提高到了91.3,该算法较好地提高了检测速度和精度。