科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对遥感图像中小型建筑物检测率低的问题，提出一种改进yolov3的小型建筑物检测算法。首先，利用k-means++聚类分析数据集上的先验框尺寸信息，筛选出最优的Anchor Box,使定位更加精准，降低网络损失。其次，在yolov3网络结构的基础上，将第11层浅层特征与网络深层特征融合，生成一个尺度为104×104的新特征图层，用于提取更多小型建筑目标特征。再次，加入Coordinate Attention机制，用于提高网络对图像中有用信息的敏感度。最后，加入CIOU边框回归损失，为边界框提供移动方向以及更准确的位置信息，加快模型收敛。将上述方法应用于文中数据集，结果表明，改进后的yolov3平均检测速度为23.39帧/s, mAP为93.9%,在牺牲部分检测速度的情况下，有效地提升了小型建筑物检测的精度。
- 出版日期2023
- 单位苏州科技大学
