基于改进YOLOv5的遥感图像检测OA
针对现有遥感图像目标检测中背景复杂和尺度变化大等问题,基于YOLOv5模型提出了一种改进的遥感图像目标检测算法。首先,利用Mosaic数据增强方法重构数据集,以改善模型的训练效果和鲁棒性;其次,在YOLOv5s的Backbone中添加SE注意力机制,使改进后模型能够更精准地捕捉目标特征信息;最后,采用BiFPN替代原模型中的FPN+PAN结构,使模型能够进行不同尺度的特征融合,以减少检测过程中浅层信息的丢失。实验结果表明,相较于原模型,改进后模型…查看全部>>
王志林;于瓅
安徽理工大学计算机科学与工程学院,安徽淮南232001安徽理工大学计算机科学与工程学院,安徽淮南232001
计算机与自动化
遥感图像检测YOLOv5算法注意力机制加权双向特征金字塔目标检测
《重庆科技学院学报（自然科学版）》 2024 (2)
P.62-67,6
安徽省重点研究与开发计划项目“基于多源数据融合的交通事件主动防控技术研究与示范应用”(202104D07020010)。
评论