改进YOLOv4在遥感飞机目标检测中的应用研究

作者：侯涛; 蒋瑜

来源：计算机工程与应用, 2021, 57(12): 224-230.

• 遥感图像
• 飞机目标
• 卷积神经网络
• YOLOv4

针对遥感图像中飞机目标检测精度低、检测速度慢、背景复杂等问题,提出了一种基于深度学习的改进YOLOv4目标检测算法。改进YOLOv4的主干特征提取网络,保留高分辨率的特征层,去除了用于检测大目标的特征层,减少语义丢失。在卷积神经网络中使用DenseNet(密集连接网络)加强对飞机目标的特征提取,减少梯度消失问题。对数据集使用K-means算法得到效果最佳的先验框数量和尺寸。在RSOD(Remote Sensing Object Detection)数据集和DIOR(Detection In Optical Remote sensing images)数据集上的实验表明,该算法满足实时性的需求,且该算法的精确度达到95.4%,较原算法提升了0.3个百分点;召回率达到86.04%,提升了4.68个百分点;mAP值达到85.52%,提升了5.27个百分点。

• 出版日期2021
• 单位成都信息工程大学