改进锚点框与融合多尺度特征的光学遥感目标检测

作者：王志欣; 万绍俊; 马晓莹^*

来源：无线电工程, 2021, 51(09): 915-920.

DOI：10.3969/j.issn.1003-3106.2021.09.011

• 光学遥感图像
• 目标检测
• 特征融合
• 卷积神经网络
• 锚点框

针对光学遥感图像中目标尺度变化范围大、小目标众多等检测难点,提出了一种基于锚点框改进与多尺度特征融合的光学遥感图像目标检测算法。以当前先进的检测模型YOLOv4为基准,针对光学遥感图像目标特点,在锚点框和网络结构两方面做出改进。采用K-Means++聚类算法对数据集目标样本聚类,得出更符合样本尺度特点的锚点框;在原网络FPN+PAN特征融合模块基础上增添了一条特征融合线路,以获取更大尺度的融合特征,有针对性地提升了检测模型对于小目标的检测能力;在网络颈部构建多空间金字塔池化结构以扩充网络感受野,增加主干特征接收范围,实现不同尺度的特征融合,以应对光学遥感图像目标尺度变化范围大的难点。设置了3组实验,通过对实验结果数据的定量分析和实验检测效果图的定性分析,验证了上述改进策略的有效性,说明提出的算法能够在一定程度上解决光学遥感图像由于目标尺度变化范围大、小目标众多所导致的检测精度低的问题。

• 出版日期2021
• 单位深圳大学; 国家无线电监测中心