一种基于改进YOLOv5的卫星图像小目标检测方法
基本信息
| 申请号 | CN202111567696.2 | 申请日 | - |
| 公开（公告）号 | CN114220015A | 公开（公告）日 | 2022-03-22 |
| 申请公布号 | CN114220015A | 申请公布日 | 2022-03-22 |
| 分类号 | G06V20/10（2022.01）I;G06V10/40（2022.01）I;G06V10/80（2022.01）I;G06V10/82（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 王俊;庞磊;周焕来;陈璐;刘博文;余梦鹏;张诗涵;朱敬伦;贾海涛 | 申请（专利权）人 | 一拓通信集团股份有限公司 |
| 代理机构 | - | 代理人 | - |
| 地址 | 210000江苏省南京市江苏省自贸区南京片区浦滨路320号科创一号大厦B座701室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于改进YOLOv5的卫星图像小目标检测方法。该发明在小目标检测方向上具有一定的通用性，该专利以遥感影像小目标检测为说明案例。为解决遥感图像目标检测中对小目标误检、漏检及特征提取能力不足等问题，提出基于改进YOLOv5的小目标检测算法。算法使用Mosaic‑6方法进行数据增强，通过将主干网络替换为特征提取能力更强的Swin Transformer结构，调整损失函数，有利于网络捕获全局信息和丰富的上下文信息；通过修改网络颈部结构，即在特征金字塔和路径聚合网络中引入CBAM注意力模块，有利于网络对中间特征图自适应细化特征，进一步提升网络模型对小目标的检测效果。将改进后的算法应用在密集小目标情景下的遥感图像检测中，实验结果表明，相较于原始YOLOv5算法，该算法在小目标检测上具有更强的特征提取能力和更高的检测精确度。 |
