典型文献
改进YOLOv5的遥感图像目标检测
文献摘要：
针对遥感图像目标识别过程中存在目标密集、目标遮挡、背景复杂等问题,提出一种改进的YOLOv5算法.首先,对锚框尺寸进行优化,使得到的每个锚框大小尺度更准确,有效提升了目标检测的准确度.其次,增加了卷积注意力机制,更关注感兴趣区域,抑制了无用信息,提高了算法的特征提取能力.最后,通过增加浅层特征图,提取学习目标特征,增加了网络对小目标的识别精度.数据集上验证表明,改进算法相较于YOLOv3、YOLOv4、Faster-RCNN、YOLOv5在识别精度上显著提升,在不同场景下也具有更好的鲁棒性.同时改进算法mAP达到97.0％,相比原始YOLOv5提升了2.2％.
文献关键词：
YOLOv5;注意力机制;小目标检测;遥感图像
中图分类号：
作者姓名：
李惠惠;范军芳;陈启丽
作者机构：
北京信息科技大学高动态导航技术北京市重点实验室,北京 100192;北京信息科技大学自动化学院,北京 100192
文献出处：
引用格式：
[1]李惠惠;范军芳;陈启丽-.改进YOLOv5的遥感图像目标检测)[J].弹箭与制导学报,2022(04):17-23
A类：
B类：
YOLOv5,遥感图像,图像目标检测,目标识别,识别过程,遮挡,锚框,寸进,小尺度,卷积注意力机制,感兴趣区域,无用信息,特征提取能力,特征图,学习目标,目标特征,识别精度,改进算法,YOLOv3,YOLOv4,Faster,RCNN,同场,mAP,小目标检测
AB值：
0.401554
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。
