改进YOLOv7网络在低空遥感图像目标检测中的应用

针对低空遥感图像目标检测存在的尺度微小、背景复杂多变和计算资源有限等问题,提出了一种改进YOLOv7网络的低空遥感图像目标检测网络SimAM_YOLOv7。首先,基于张量火车分解,最小化冗余参数;其次,引入无参数的注意力机制,提高网络对目标的聚焦能力;最后,利用高效IoU(EIoU)优化定位损失,减小目标框与先验框的位置偏移,基于Focal Loss改进分类损失,解决正负样本的失衡问题。在真实低空遥感数据集上进行实验,在YOLOv7的基准下,所提出的网络在参数量减少3.27M时,mAP 50指标提高了4.63%,mAP 50:95指标提高了3.94%,充分验证了所提网络的有效性和优越性。