基于YOLOv5s 6.0的飞机遥感图像分类研究

为了实现光学遥感图像中飞机目标的快速分类,提出了以YOLOv5s 6.0为基础的网络模型算法。该算法采用自适应锚框计算得到适用于实验中自建数据集的锚框;使用Mosaic数据增强方法增强了数据集的丰富度;使用SPPF模块提高了计算速度;在Backbone部分引入了注意力机制模块CBAM,在Neck部分引入了加权双向特征金字塔网络BiFPN,以便于将高层次与低层次的特征融合,同时保留了原始特征信息,提高了算法的检测分类能力。最后,根据飞机外型特征点,在自建的3种分类数据集上进行了训练。结果表明:平均检测精度的均值达到60.3%,较改进前的算法模型提高了2.9%;该算法可以实现在一张遥感图像上对飞机目标进行快速定位与分类。