典型文献
基于多尺度特征选择性融合的遥感图像检测算法
文献摘要：
遥感图像的检测在监察自然环境、军事、国土安全等方面具有极其广阔的应用前景,而遥感图像具有背景复杂、目标面积小、特征提取困难等缺点,进行检测时容易产生小目标漏检问题.本文提出一种基于多尺度特征选择性融合的遥感图像检测算法.所提算法采用改进的Resnet50作为主干网络,将Resnet50第一个卷积替换成动态卷积,并将其ConvBlock模块中的卷积替换成金字塔卷积,提高特征提取能力.同时,为了避免遗漏底层信息,在动态卷积层后加入所提有效空间通道注意力机制模块.最后,选取基于上下文信息的不同尺度特征进行融合,提高了模型对目标物体的定位能力.实验结果表明,本文算法在保证速度的同时提高了对遥感图像的检测精度,在遥感图像公开数据集RSOD和NWPUVHR-10上平均精度均值(mean average precision,mAP)分别达到91.88％和90.23％,检测速度达到33 FPS.
文献关键词：
目标检测;残差神经网络;上下文信息;多尺度特征融合;注意力机制
中图分类号：
作者姓名：
方明帅;黄友锐;韩涛
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;皖西学院,安徽六安237012;安徽理工大学电气与信息工程学院,安徽淮南232001
文献出处：
引用格式：
[1]方明帅;黄友锐;韩涛-.基于多尺度特征选择性融合的遥感图像检测算法)[J].光电子·激光,2022(06):629-636
A类：
ConvBlock
B类：
特征选择,选择性融合,遥感图像检测,图像检测算法,监察,国土安全,小目标,漏检,Resnet50,主干网络,替换成,动态卷积,金字塔卷积,特征提取能力,遗漏,漏底,卷积层,空间通道注意力机制,注意力机制模块,上下文信息,不同尺度,定位能力,检测精度,公开数据集,RSOD,NWPUVHR,平均精度均值,mean,average,precision,mAP,检测速度,FPS,目标检测,残差神经网络,多尺度特征融合
AB值：
0.370228
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。
