基于改进YOLOv7-tiny的高效轻量遥感图像目标检测方法

针对现有遥感图像目标检测方法在受资源限制的小型设备中检测精度不足问题,提出了一种基于改进YOLOv7-tiny算法的高效轻量遥感图像目标检测方法。首先,针对遥感图像小目标分布密集问题,设计了一种低跨度的上下文解耦检测头模块,通过融合深层和浅层特征分别实现目标检测的分类和回归任务,有效解决了遥感图像小目标漏检和误检的问题。同时,针对遥感图像目标多尺度问题,设计了一种并行级联注意力机制,通过并行三分支网络与空间注意力模块相结合,增强了网络对多尺度目标特征的提取能力。此外,引入Focal-EIoU损失函数,提高模型泛化能力。对模型进行了对比实验、消融实验、部署实验和泛化实验,结果表明,在DIOR-5s和NWPU VHR-10数据集上的检测精度分别达到了85.4%、90.6%,相较原模型分别提高了2.6%、1.7%。且模型大小仅为19.1 MB,检测速度为64.1 fps,验证了算法的有效性。