基于YOLOX-Tiny有偏特征融合网络的遥感目标检测
Object Detection in Remote Sensing Images based on YOLOX-Tiny Biased Feature Fusion Network作者机构:南京信息工程大学电子与信息工程学院江苏南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心江苏南京210044
出 版 物:《遥感技术与应用》 (Remote Sensing Technology and Application)
年 卷 期:2024年第39卷第3期
页 面:590-602页
核心收录:
学科分类:0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理]
基 金:国家自然科学基金项目(61601230) 江苏省自然科学基金项目(BK20141004)
摘 要:遥感目标检测在环境监测、电路巡检等领域具有重要意义。然而,遥感图像中存在目标尺度差异大、小目标数量较多、类间相似性与类内多样性较高等难题,导致检测检测精度较低。为了解决上述问题,提出了一种基于YOLOX-Tiny的遥感目标检测模型。首先通过改进多尺度特征融合网络以充分利用浅层细节信息和深层语义信息,提高对小目标的检测能力;其次在预测端引入可形变卷积,提高模型对不同尺度、形状目标的鲁棒性;最后采用SIoU损失函数以让预测框向正确的方向移动,进一步提高模型的定位精度。在遥感数据集DIOR和RSOD进行实验,实验结果表明:在不增加参数量的情况下,改进后的模型分别取得了73.68%和97.12%的检测精度,与其他一些先进模型相比,具有较高的精确度,对重叠目标识别率高,且具有良好的实时性。