针对卫星遥感影像目标检测中,小目标检测精度低、漏检率高,以及实际应用场景中检测效率低等问题,文章提出一种基于改进YOLOv7(You Only Look Once)的卫星遥感影像多尺度目标检测方法。在检测网络中,聚焦提升小目标检测能力,添加类注意...针对卫星遥感影像目标检测中,小目标检测精度低、漏检率高,以及实际应用场景中检测效率低等问题,文章提出一种基于改进YOLOv7(You Only Look Once)的卫星遥感影像多尺度目标检测方法。在检测网络中,聚焦提升小目标检测能力,添加类注意力机制的卷积模块(ConvNeXt Block,CNeB),提升对小目标细粒度特征的提取及利用能力;同时,提出后处理机制,通过建立小目标与大目标的相互关系,实现使用单个模型对多种尺度目标进行检测。实验结果表明,在TGRS-HRRSD数据集4个小目标上,改进后的检测模型相较原始YOLOv7在平均精确率均值指标上提升了16.6个百分点。在检测特定大目标任务中,通过后处理机制,在保持精度的条件下,相较YOLT(You Only Look Twice)时间减少了70%。相较于主流的面向遥感影像的检测方法,该方法在检测多尺度目标上,检测精度更高、速度更快。展开更多
文摘针对卫星遥感影像目标检测中,小目标检测精度低、漏检率高,以及实际应用场景中检测效率低等问题,文章提出一种基于改进YOLOv7(You Only Look Once)的卫星遥感影像多尺度目标检测方法。在检测网络中,聚焦提升小目标检测能力,添加类注意力机制的卷积模块(ConvNeXt Block,CNeB),提升对小目标细粒度特征的提取及利用能力;同时,提出后处理机制,通过建立小目标与大目标的相互关系,实现使用单个模型对多种尺度目标进行检测。实验结果表明,在TGRS-HRRSD数据集4个小目标上,改进后的检测模型相较原始YOLOv7在平均精确率均值指标上提升了16.6个百分点。在检测特定大目标任务中,通过后处理机制,在保持精度的条件下,相较YOLT(You Only Look Twice)时间减少了70%。相较于主流的面向遥感影像的检测方法,该方法在检测多尺度目标上,检测精度更高、速度更快。
