摘要
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