-
题名基于旋转框表示的光学遥感图像目标检测
- 1
-
-
作者
裴永涛
张梅
粟长权
-
机构
贵州财经大学信息学院
-
出处
《现代计算机》
2024年第1期34-39,共6页
-
基金
贵州财经大学校级项目(2022ZXSY163)。
-
文摘
旋转目标检测是遥感图像智能解译的关键步骤,然而遥感图像背景复杂、目标方向具有任意性、尺度差异大,实现准确的旋转目标检测有一定的困难。提出的ERDet结合显示视觉中心,提取遥感图像的全局信息与局部信息,结合自适应阈值样本选择的水平目标检测算法和长边定义法,预测遥感图像目标的类别、位置和旋转角度。在DOTA-v1.0数据集上的实验表明,该方法能够对不同尺度和方向的目标进行准确提取,实现了对遥感目标的精准检测。
-
关键词
遥感图像
旋转目标检测
显示视觉中心
自适应阈值样本选择
-
Keywords
remote sensing images
rotated object detection
explicit visual center
adaptive threshold sample selection
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名融合视觉中心机制和并行补丁感知的遥感图像检测算法
- 2
-
-
作者
梁礼明
陈康泉
王成斌
冯耀
龙鹏威
-
机构
江西理工大学电气工程与自动化学院
-
出处
《光电工程》
CAS
CSCD
北大核心
2024年第7期72-83,共12页
-
基金
国家自然科学基金资助项目(51365017,61463018)
江西省自然科学基金资助项目(20192BAB205084)
江西省教育厅科学技术研究青年项目(GJJ2200848)。
-
文摘
针对遥感图像存在复杂背景干扰、目标多尺度差异和微小目标提取难的问题,本文基于YOLOv7-tiny模型提出一种融合视觉中心机制和并行补丁感知的遥感图像检测算法。该算法一是引入显式视觉中心机制,构建像素点间的长距离依赖关系,丰富图像的整体语义信息,同时提升对目标纹理的提取性能;二是改进并行补丁感知模块,调整特征提取感受野,以适应不同目标尺度;三是设计多尺度特征融合模块,实现对多层特征的高效融合,提升模型推理速度。在公共数据集RSOD上进行实验,所提算法的准确率、召回率和平均准确率均值相较YOLOv7-tiny分别提升1.5%、2.4%和2.4%,此外在NWPUVHR-10和DOTA数据集上进行泛化性验证,结果表明本文算法具备较强的泛化性能。通过与不同算法对比分析,进一步体现本文算法性能的优越性。
-
关键词
遥感图像
目标检测
YOLOv7-tiny
显式视觉中心机制
并行补丁感知
-
Keywords
remote sensing images
object detection
YOLOv7-tiny
explicit visual center mechanism
parallel patch perception
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名融合显示视觉中心与注意力机制的水下目标检测算法
- 3
-
-
作者
陶洋
钟邦乾
赵文博
周昆
-
机构
重庆邮电大学通信与信息工程学院
-
出处
《激光与光电子学进展》
CSCD
北大核心
2024年第12期431-440,共10页
-
基金
国家重点研发计划(2019YFB2102001)。
-
文摘
针对水下海洋生物检测任务存在的目标间相互遮挡、对细长型目标检测精度低、小目标众多等问题,提出一种基于YOLOv5的水下目标检测算法。该算法通过引入可变形卷积、空洞卷积和注意力机制来重新设计主干网络,增强特征提取能力,解决目标间相互遮挡和对细长型目标检测精度低的问题;同时,提出加权显示视觉中心特征金字塔模块,解决特征融合不充分问题,降低小目标漏检率;并调整YOLOv5算法的网络结构,增加融合注意力机制的小目标检测层,提升对小目标物体的检测能力。实验结果表明:改进后的YOLOv5算法在URPC数据集上的平均精度均值达87.8%,较原始YOLOv5算法提高了5.3百分点;同时检测速度保持在34 frame/s;在水下目标检测任务中能够有效提高精确度,降低漏检率和错检率。
-
关键词
目标检测
YOLOv5
可变形卷积
空洞卷积
注意力机制
显示视觉中心
-
Keywords
object detection
YOLOv5
deformable convolution
dilated convolution
attention mechanism
explicit visual center
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-