基于多尺度分层残差网络的光学遥感图像微小目标检测
摘要
针对光学遥感图像中微小目标空间分辨率低、有效特征不足等问题，在YOLOv5检测算法基础上，提出一种基于多尺度分层残差网络的光学遥感图像微小目标检测方法。设计了一种简单高效的多尺度分层残差特征提取模块，可在更细粒度水平上获得更丰富的感受野，强化神经网络的特征提取能力，进一步提升微小目标特征丰富度。在此基础上，进一步优化损失函数中的定位损失项，通过增加距离惩罚提升检测算法对微小目标的定位能力。在光学遥感微小目标检测数据集AI-TODv2和微小行人检测数据集TinyPerson上开展了系统对比实验，实验结果表明所提出算法相较于基准YOLOv5算法平均精度分别提升了5.5%和1.8%，有效提高了微小目标检测的召回率和准确率。
引用本文（GB/T 7714）
曾祥津 ZENG Xiangjin, 刘耿焕 LIU Genghuan, 陈建明 CHEN Jianming, 等. 基于多尺度分层残差网络的光学遥感图像微小目标检测[J]. ACTA PHOTONICA SINICA, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。