改进yolov3的遥感图像建筑物检测方法

作     者：袁晨翔 石颉 吴宏杰 孔维相 YUAN Chen-xiang;SHI Jie;WU Hong-jie;KONG Wei-xiang

作者机构：苏州科技大学电子与信息工程学院江苏苏州215009 苏州科技大学江苏省建筑智慧节能重点实验室江苏苏州215009 

出 版 物：《计算机仿真》 (Computer Simulation)

年 卷 期：2023年第40卷第11期

页      面：185-191页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金项目(62073231) 

主　　题：遥感图像 深度学习 注意力机制 建筑物 

摘      要：针对遥感图像中小型建筑物检测率低的问题,提出一种改进yolov3的小型建筑物检测算法。首先,利用k-means++聚类分析数据集上的先验框尺寸信息,筛选出最优的Anchor Box,使定位更加精准,降低网络损失。其次,在yolov3网络结构的基础上,将第11层浅层特征与网络深层特征融合,生成一个尺度为104×104的新特征图层,用于提取更多小型建筑目标特征。再次,加入Coordinate Attention机制,用于提高网络对图像中有用信息的敏感度。最后,加入CIOU边框回归损失,为边界框提供移动方向以及更准确的位置信息,加快模型收敛。将上述方法应用于文中数据集,结果表明,改进后的yolov3平均检测速度为23.39帧/s,mAP为93.9%,在牺牲部分检测速度的情况下,有效地提升了小型建筑物检测的精度。