典型文献
基于改进YOLOv3的遥感图像小目标检测
文献摘要：
YOLOv3算法被广泛地应用于目标检测任务.虽然在YOLOv3基础上改进的一些算法取得了一定的成果,但是仍存在表征能力不足且检测精度不高的问题,尤其对小目标的检测还不能满足需求.针对上述问题,提出了一种改进YOLOv3的遥感图像小目标检测算法.首先,使用K均值聚类变换(K-means-T)算法优化锚框的大小,从而提升先验框和真实框之间的匹配度;其次,优化置信度损失函数,以解决难易样本分布不均衡的问题;最后,引入注意力机制来提高算法对细节信息的感知能力.在RSOD数据集上进行实验的结果显示,与原始的YOLOv3算法、YOLOv4算法相比,所提算法在小目标"飞机(aircraft)"类上的平均精确率(AP)分别提高了7.3个百分点和5.9个百分点.这表明所提算法能够有效检测遥感图像小目标,具有更高的准确率.
文献关键词：
小目标检测;YOLOv3;K均值聚类变换;置信度损失函数;注意力机制
中图分类号：
作者姓名：
冯号;黄朝兵;文元桥
作者机构：
武汉理工大学信息工程学院,武汉 430070;武汉理工大学智能交通系统研究中心,武汉,430063
文献出处：
引用格式：
[1]冯号;黄朝兵;文元桥-.基于改进YOLOv3的遥感图像小目标检测)[J].计算机应用,2022(12):3723-3732
A类：
B类：
YOLOv3,遥感图像,小目标检测,表征能力,检测精度,目标检测算法,均值聚类,means,算法优化,锚框,先验框,匹配度,置信度损失函数,难易,样本分布,注意力机制,细节信息,感知能力,RSOD,YOLOv4,aircraft,精确率,AP,百分点,有效检测
AB值：
0.310142
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。
