科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对遥感数据集尺度差异大、样本不均衡、信噪比低以及小目标特征弱而导致的检测效果差，提出了一种改进Retinanet算法。该算法基于卷积块的注意机制（Convolutional Block Attention Module,CBAM）突出有用特征和抑制多余信息，使用改进的特征融合方式提高模型的尺度不变性，使用GIoUloss增加边框预测的精确性，使用soft-nms减少密集对象的漏检。改进算法比原始的Retinanet算法对遥感图像的检测精度更高，在DIOR数据集上的平均精度均值（mean Average Precision,mAP）比Retinanet高了3.6，且能保持原有的检测速度。
- 出版日期2022
- 单位四川大学
