典型文献
基于改进FCOS网络的光学遥感影像目标检测算法
文献摘要：
针对当前遥感影像背景复杂、目标尺度小等情况导致的检测精度偏低的问题,基于FCOS网络提出了一种结合位置注意力和感受野增强的遥感影像目标检测算法PARF-FCOS;该算法构造了一种位置注意力模块,并利用该模块对特征提取网络进行改进,增强网络对目标信息的提取能力;在特征融合阶段使用感受野模块(RFB,receptive field block)增强浅层特征图,利用目标上下文信息进行辅助判断,提升网络对小尺度目标的检测能力;在训练过程中,引入距离交并比损失(DIoU loss,distance intersection over union loss)进行边界框回归,通过优化目标框与预测框中心点之间的距离,使回归过程更加平稳和准确;在公开数据集DIOR上评估了 PARF-FCOS目标检测算法,实验结果表明,相较于原始FCOS,算法的平均精确度均值提高了 4.3％,达到70.4％,检测速度达到23.2 FPS.
文献关键词：
遥感影像处理;目标检测;卷积神经网络;注意力机制;无锚框
中图分类号：
作者姓名：
杨玉春;王腾军;任会涛;杨耘
作者机构：
长安大学地质工程与测绘学院,西安 710054
文献出处：
引用格式：
[1]杨玉春;王腾军;任会涛;杨耘-.基于改进FCOS网络的光学遥感影像目标检测算法)[J].计算机测量与控制,2022(05):6-12
A类：
PARF
B类：
FCOS,光学遥感影像,目标检测算法,标尺,检测精度,位置注意力,感受野增强,注意力模块,特征提取网络,目标信息,特征融合,感受野模块,RFB,receptive,field,block,特征图,上下文信息,小尺度目标,检测能力,训练过程,距离交并比,交并比损失,DIoU,loss,distance,intersection,over,union,边界框回归,优化目标,中心点,公开数据集,DIOR,检测速度,FPS,遥感影像处理,注意力机制,无锚框
AB值：
0.44352
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。
