典型文献
联合多尺度与注意力机制的遥感图像目标检测
文献摘要：
遥感图像存在背景复杂、目标尺度差异大且密集分布等不足,为提高现有算法的检测效果提出联合多尺度与注意力机制的遥感图像目标检测算法.改进空洞空间金字塔池化模块,增大不同尺寸图像的感受野;提出注意力模块用于学习特征图通道信息和空间位置信息,提升算法对复杂背景下遥感图像目标区域的特征提取能力;引入加权双向特征金字塔网络结构与主干网结合来增进多层次特征的融合;使用基于距离的非极大值抑制方法进行后处理,改善检测框易重叠的问题.在DIOR和NWPUVHR-10数据集上的实验结果表明:所提算法的平均精度均值mAP分别达到71.6％和91.6％,相比于主流的YOLOv5s算法分别提升了2.9％和1.5％.所提算法对复杂遥感图像取得了更好的检测效果.
文献关键词：
遥感图像;目标检测;YOLOv5s算法;多尺度特征;注意力模块;特征融合;非极大值抑制
中图分类号：
作者姓名：
张云佐;郭威;蔡昭权;李文博
作者机构：
石家庄铁道大学信息科学与技术学院,河北石家庄050043;河北省电磁环境效应与信息处理重点实验室,河北石家庄050043;汕尾职业技术学院,广东汕尾516600
文献出处：
引用格式：
[1]张云佐;郭威;蔡昭权;李文博-.联合多尺度与注意力机制的遥感图像目标检测)[J].浙江大学学报（工学版）,2022(11):2215-2223
A类：
B类：
注意力机制,遥感图像,图像目标检测,标尺,尺度差异,密集分布,检测效果,目标检测算法,空洞空间金字塔池化模块,不同尺寸,感受野,注意力模块,学习特征,特征图,空间位置信息,复杂背景,目标区域,特征提取能力,加权双向特征金字塔网络,双向特征金字塔网络结构,主干网,网结,多层次特征,基于距离,非极大值抑制,抑制方法,DIOR,NWPUVHR,平均精度均值,mAP,YOLOv5s,多尺度特征,特征融合
AB值：
0.362358
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
