典型文献
改进YOLOv3的遥感影像小目标检测方法
文献摘要：
针对当前目标检测任务中对小目标检测识别率低,漏检率高的问题,提出一种基于门控通道注意力机制(EGCA)和自适应上采样模块的改进YOLOv3算法.该算法采用DarkNet-53作为主干网络进行图片基础特征提取;引入自适应上采样模块对低分辨率卷积特征图进行扩张,有效增强了不同尺度卷积特征图的融合效果;在三个尺度通道输出预测结果之前分别加入EGCA注意力机制以提高网络对小目标的特征表达和检测能力.将改进的算法在公开数据集RSOD(remote sensing object detection)上进行实验,小目标检测精度提升了8.2个百分点,最为显著,平均精度AP值达到56.3％,较原算法提升了7.9个百分点.实验结果表明,改进的算法相比于传统YOLOv3算法和其他算法拥有更好的小目标检测能力.
文献关键词：
小目标检测;YOLOv3算法;注意力机制;上采样
中图分类号：
作者姓名：
牛浩青;欧鸥;饶姗姗;马万民
作者机构：
成都理工大学 信息科学与技术学院(网络安全学院),成都 610051
文献出处：
引用格式：
[1]牛浩青;欧鸥;饶姗姗;马万民-.改进YOLOv3的遥感影像小目标检测方法)[J].计算机工程与应用,2022(13):241-248
A类：
EGCA
B类：
YOLOv3,遥感影像,小目标检测,目标检测方法,目标检测识别,识别率,漏检率,门控通道,通道注意力机制,上采样,样模,DarkNet,主干网络,片基,低分辨率,卷积特征,特征图,不同尺度,融合效果,输出预测,别加,特征表达,检测能力,公开数据集,RSOD,remote,sensing,object,detection,检测精度,精度提升,百分点,AP
AB值：
0.360264
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。
