改进YOLOv4的轻量级遥感图像建筑物检测模型

作者：丁飞; 石颉; 吴宏杰

来源：计算机工程与应用, 2022, 1-10.

• 建筑物检测
• YOLOv4
• 轻量级
• 特征融合
• ECA注意力机制

针对现有建筑物检测模型检测精度低下，模型体积较大，导致遥感图像检测速度和精度无法平衡，不利于后期部署等问题，提出一种基于YOLOv4优化的轻量级遥感图像建筑物检测模型。首先，利用轻量化网络GhostNet替换CSP DarkNet53进行特征提取；其次，借鉴稠密连接思想，提出了Dense-PANet特征融合模块；最后，将ECA注意力机制引入Ghost模块，替换特征融合颈部网络的传统卷积。实验结果表明，本文提出的模型与YOLOv4相比，牺牲少量检测速度，但是平均精度提高了0.96%，召回率提升了1.08%，模型体积降低了71.39%，浮点计算量降低了76.60%，能有效满足遥感图像建筑物检测的需求。

• 出版日期2022-5-24
• 单位苏州科技大学