典型文献
融合注意力机制的遥感图像旋转目标检测算法
文献摘要：
针对光学遥感图像目标检测中存在的精度低及忽略目标方向性的问题,提出了一种基于改进YOLOv5m的遥感图像旋转目标检测算法.首先,融合注意力机制模块提升模型对重要特征的提取能力;其次,在特征融合模块部分考虑各节点特征融合的贡献度,并增加同一特征尺度的跳跃连接;最后,针对旋转检测中存在的角度边界问题,使用密集编码标签对角度进行离散化处理.实验结果表明,所提算法在DOTA数据集子集上的检测精度达到了82.75％,在小幅降低模型计算量的情况下,较原有YOLOv5m提升了11.73个百分点,同时在HRSC2016舰船数据集上也取得了88.89％的检测精度.即该算法能有效提升光学遥感图像旋转检测的精度.
文献关键词：
机器视觉;遥感图像;注意力机制;旋转目标检测;密集编码标签;YOLO
中图分类号：
作者姓名：
张宇;马杰;崔静雯;赵月华;刘宏
作者机构：
河北工业大学电子信息工程学院,天津300401
文献出处：
引用格式：
[1]张宇;马杰;崔静雯;赵月华;刘宏-.融合注意力机制的遥感图像旋转目标检测算法)[J].激光与光电子学进展,2022(24):184-192
A类：
密集编码标签
B类：
像旋,旋转目标检测,目标检测算法,光学遥感图像,图像目标检测,方向性,YOLOv5m,注意力机制模块,特征的提取,特征融合模块,节点特征,贡献度,特征尺度,跳跃连接,边界问题,对角,离散化处理,DOTA,集子,子集,检测精度,小幅,计算量,百分点,HRSC2016,舰船,机器视觉
AB值：
0.347581
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。
