一种改进的YOLOv7-OBB舰船识别方法

为解决高分辨率遥感图像中舰船识别准确率低的问题,提出了一种改进的YOLOv7-OBB舰船识别方法。引入定向检测框OBB(oriented bounding box)和KLD损失,可有效解决舰船密集排列和比例细长且方向任意所产生的漏检问题,在提高定位精度的同时保留了船只的目标方向信息;在YOLOv7基础框架的主干网络加入混合注意力模块ACmix,加强网络对于小目标检测的敏感度,能够提升对小型船只的检测精度;在颈部加入全局注意力机制(NAMAttention)和Partial卷积(PConv),在保证模型轻量化的同时,可提高PAN网络在复杂背景中捕捉关键特征的能力。实验结果表明,与YOLOv7模型相比,该方法在DOTAships数据集上取得了88.5%的平均精度,93.0%的准确率,84.7%的召回率,分别比YOLOv7提高了5%,0.9%和3.9%。与当前主流算法相比,该方法在检测效果上有着明显提升。