典型文献
基于改进YOLOv4的遥感图像目标检测
文献摘要：
针对遥感图像在复杂背景下因特征提取和表达能力不足而存在漏检和检测效果不佳的问题,提出一种优化特征提取网络的YOLOv4算法模型.该改进模型引入了一种新的Dense-PANet结构以获取更高的分辨率特征,并通过在特征提取网络中嵌入注意力机制以适应遥感图像因视野范围大而导致复杂背景下小目标漏检和检测效果不佳的问题.为了证明本文所提方法的有效性,针对DIOR遥感数据源进行了对比实验,结果表明,本文算法平均准确率(mean average preci-sion,mAP)为 86.55％,相比原算法提高了 2.52％,较 YOLOv3、RetinaNet 提高了 6.58％、14.09％,验证了所改进算法的有效性.
文献关键词：
目标检测;遥感图像;YOLOv4;注意力机制
中图分类号：
作者姓名：
叶玉伟;任彦;高晓文;王佳鑫
作者机构：
内蒙古科技大学信息工程学院,内蒙古包头014010
文献出处：
引用格式：
[1]叶玉伟;任彦;高晓文;王佳鑫-.基于改进YOLOv4的遥感图像目标检测)[J].光电子·激光,2022(06):607-613
A类：
B类：
YOLOv4,遥感图像,图像目标检测,复杂背景,因特,表达能力,漏检,检测效果,特征提取网络,算法模型,改进模型,Dense,PANet,注意力机制,小目标,DIOR,遥感数据源,平均准确率,mean,average,preci,sion,mAP,YOLOv3,RetinaNet,改进算法
AB值：
0.509974
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。
