期刊专题

10.3969/j.issn.1006-2475.2023.05.019

改进YOLOv5算法的遥感图像车辆检测

引用
针对遥感图像中背景复杂目标、车辆小导致的成像模糊的目标漏检问题,提出一种基于YOLOv5s的改进模型.改进模型设计一种新的主干网络结构:改进模型的主干特征提取选用RepVGG网络,同时在主干网络中加入注意力机制Co?ordAttention来提高模型小目标的感知能力.增加多尺度特征融合,提高改进模型对于小目标的检测精度,边框回归的损失函数选择使用DIoU,帮助改进模型实现更加精准定位.实验结果表明,改进后的YOLOv5模型在遥感图像的目标检测,相较于原始模型在小目标车辆中检测精度提升5.3个百分点,与Faster R-CNN相比mAP提升16.88个百分点.改进后的模型与主流的检测算法相比能有较大的检测精度提升,相较于原始的YOLOv5s模型在遥感图像小车辆检测有更好的检测精度.

遥感图像识别、目标识别、YOLO、注意力机制、多尺度特征融合

TP389.1(计算技术、计算机技术)

江西省核地学数据科学与系统工程技术研究中心开放基金资助项目JETRCNGDSS201801

2023-06-08(万方平台首次上网日期,不代表论文的发表时间)

共6页

117-121,126

暂无封面信息
查看本期封面目录

计算机与现代化

1006-2475

36-1137/TP

2023,(5)

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