改进YOLOX的遥感图像目标检测算法OA北大核心CSTPCD

针对遥感图像目标检测算法复杂背景下目标检测精度低、小目标特征丢失的问题,提出一种改进YOLOX的遥感图像目标检测算法MYOLOX(modified YOLOX)。该算法在主干网络引入残差金字塔卷积模块(residual pyramid convolution module,RPCM)增强浅层特征图中的空间位置等细节信息,缓解下采样过程中的特征丢失。引入增强跨阶段局部块(improved cross stage partial block,ICSP)提取丰富的上下文信息并抑制噪声干扰,减少复杂背景及噪声干扰带来误检。将改进算法应用于使用DIOR数据集对NWPU VHR-10数据集扩充后数据集和SSDD数据集,MYOLOX算法检测平均精度均值(mean average precision,mAP)分别达到了80.8%和94.4%,较原算法提升了4.1和4.5个百分点。实验结果证明,改进后的算法能够明显提高遥感图像目标检测精度。