典型文献
基于多维度信息交互的遥感图像目标检测算法
文献摘要：
随着卫星遥感图像和航空遥感图像分辨率的不断提高,从遥感影像中获取的有用数据和信息越来越多,与普通图像相比,遥感图像具有类别不平衡、背景复杂、小物体检测困难等特点.针对以上问题,提出一种改进YOLOv5s的遥感图像目标检测算法MPSA-YOLOv5.设计一种多维度信息交互极化自注意力(Multi-dimensional information interaction Polarized Self-At-tention,MPSA)模块,充分考虑捕获通道交互对细节信息的重要程度,并将其嵌入到主干网络中.改进特征增强结构,替换使用Softpool池化方式保留更多原始信息,实现特征增强.实验结果表明,MPSA-YOLOv5在NWPUVHR-10公共遥感图像数据集上检测精度达到91.4％,相比于SSD、YOLOv3、YOLOX-S 和原 YOLOv5s 算法分别提高了 6.06、2.8、1.45 和 1.7 个百分点,MPSA-YOLOv5算法有效提升了遥感图像的检测精度.
文献关键词：
目标检测;信息交互;自注意力模块;特征增强
中图分类号：
作者姓名：
卜荟力;方贤进;杨高明
作者机构：
安徽理工大学 计算机科学与工程学院,安徽淮南232001;合肥综合性国家科学中心人工智能研究院,安徽 合肥 230088
文献出处：
引用格式：
[1]卜荟力;方贤进;杨高明-.基于多维度信息交互的遥感图像目标检测算法)[J].黑龙江工业学院学报（综合版）,2022(10):58-65
A类：
B类：
多维度信息,信息交互,图像目标检测,目标检测算法,卫星遥感图像,航空遥感,图像分辨率,遥感影像,类别不平衡,物体检测,YOLOv5s,MPSA,Multi,dimensional,information,interaction,Polarized,Self,At,tention,细节信息,重要程度,主干网络,改进特征,特征增强,增强结构,Softpool,池化,NWPUVHR,图像数据集,检测精度,SSD,YOLOv3,YOLOX,百分点,自注意力模块
AB值：
0.41475
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。
