改进YOLOv3遥感小目标检测算法

作者：许成林; 黄宇博; 赵舵^*

来源：计算机系统应用, 2023, 32(07): 179-187.

DOI：10.15888/j.cnki.csa.009179

• 小目标检测
• YOLOv3
• 特征增强
• 锚框优化
• 深度学习

针对目前在遥感目标检测领域广泛使用的YOLOv3算法存在对小目标物体的特征表达能力不足,检测效果不好的问题,本文提出一种改进的YOLOv3小目标检测算法.首先,引入全局信息注意力机制并改进特征提取网络和特征金字塔结构,提高模型小目标特征提取能力和检测能力;其次,对数据集进行单尺度Retinex融合特征增强,提高模型对小目标特征的学习效果;最后,使用自适应锚框优化算法对anchors进行优化,提高anchors和目标的匹配程度.选用遥感数据集RSOD进行实验,本文算法的全类平均精度为92.5%,相比经典YOLOv3算法,提高10.1%,对遥感小目标的检测效果得到明显提升.

• 出版日期2023
• 单位西南交通大学