期刊专题

10.3969/j.issn.2095-2163.2023.02.004

基于改进YOLOv4的飞机遥感影像目标检测算法

引用
针对遥感影像检测的背景复杂多样、检测目标小且不清晰、实时性需求等问题,本文基于深度学习YOLOv4目标检测算法网络框架,提出一种基于改进YOLOv4的遥感影像飞机目标检测算法,旨在提高检测速度和检测精度;使用MobileNetv3轻量化网络结构替换YOLOv4的主干特征提取网络(CSPDarkNet53),其深度可分离卷积模块可减少参数计算量,进一步提高改进后的YOLOv4运算速度,其逆残差结构和SE注意力机制结构可提高特征提取的能力,以较少的精度换取大量速度;在YOLOv4的头部加入注意力机制(CBAM),通过重定义特征图的权重方式,提高模型的准确性.实验结果表明,改进的YOLOv4算法对于飞机小目标遥感影像检测效果良好,其检测速度为24.3帧/s,比原YOLOv4算法提升了8.5帧/s;识别准确率达到92.45%,比原YOLOv4算法提升了3.53%,实现了网络模型的轻量化.

遥感影像、YOLOv4目标检测、MobileNetv3、注意力机制

13

TN911.23;TU323.4

2023-02-27(万方平台首次上网日期,不代表论文的发表时间)

共6页

15-19,28

暂无封面信息
查看本期封面目录

智能计算机与应用

2095-2163

23-1573/TN

13

2023,13(2)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn