改进YOLOv5网络在遥感图像目标检测中的应用

作者：周华平; 郭伟^*

来源：遥感信息, 2022, 37(05): 23-30.

• YOLOv5
• 频率通道注意力机制
• 网络输入尺寸
• 圆形平滑标签
• 小目标检测

针对遥感图像目标检测存在的尺度多样化、分布密集、小目标检测困难等问题，提出了一种改进YOLOv5网络的遥感图像目标检测的新方法Fca＿YOLOv5。该方法引入了频率通道注意力网络，引导模型更加关注信息丰富的特征；将网络输入尺寸优化为1 024,减少了图像缩放带来的影响；采用圆形平滑标签计算角度损失，对船舰目标进行旋转目标检测，进一步提升检测效果。在DOTA遥感图像数据集上进行实验，检测精度最高达到了75.9%,船舰旋转目标检测精度达到了96.1%,并且Fca＿YOLOv5s的检测精度比YOLOv5s提高了3.1%。实验结果表明，改进网络对遥感图像中的微小目标具有较好的检测效果，有效提升了遥感图像的检测精度，对实现遥感图像中的微小目标检测具有一定的参考意义。

• 出版日期2022
• 单位安徽理工大学