改进YOLOv5的遥感图像目标检测

作者：李惠惠; 范军芳; 陈启丽

来源：弹箭与制导学报, 2022, 42(04): 17-23.

DOI：10.15892/j.cnki.djzdxb.2022.04.004

• YOLOv5
• 注意力机制
• 小目标检测
• 遥感图像

针对遥感图像目标识别过程中存在目标密集、目标遮挡、背景复杂等问题，提出一种改进的YOLOv5算法。首先，对锚框尺寸进行优化，使得到的每个锚框大小尺度更准确，有效提升了目标检测的准确度。其次，增加了卷积注意力机制，更关注感兴趣区域，抑制了无用信息，提高了算法的特征提取能力。最后，通过增加浅层特征图，提取学习目标特征，增加了网络对小目标的识别精度。数据集上验证表明，改进算法相较于YOLOv3、YOLOv4、Faster-RCNN、YOLOv5在识别精度上显著提升，在不同场景下也具有更好的鲁棒性。同时改进算法mAP达到97.0%,相比原始YOLOv5提升了2.2%。

• 出版日期2022
• 单位自动化学院; 北京信息科技大学