融合超分辨率和特征增强的轻量化遥感图像小目标检测OA北大核心CSTPCD
为了应对遥感图像目标检测中小目标像素低、背景复杂、硬件资源有限等问题,提出一种融合超分辨率(SR)和特征增强的小目标检测模型。采用GhostNet网络中的Ghost卷积层替换YOLOv8网络中的传统卷积层Conv,在不影响检测精度的情况下降低网络模型的参数量和计算量。在主干网络中,构建超分辨率辅助增强(SRAE)模块提升图像的分辨率和特征提取能力。利用三层特征融合(TFF)模块,获取主干网络较低层的空间特征,改善快速空间金字塔池化(SPPF)层特…查看全部>>
杨雨迪;葛海波;辛世澳;薛紫涵;袁昊
西安邮电大学电子工程学院,陕西西安710121西安邮电大学电子工程学院,陕西西安710121西安邮电大学电子工程学院,陕西西安710121西安邮电大学电子工程学院,陕西西安710121西安邮电大学电子工程学院,陕西西安710121
计算机与自动化
目标检测超分辨率遥感图像YOLOv8网络注意力机制特征融合
《计算机工程》 2024 (11)
P.284-296,13
陕西省自然科学基金(2011JM8038)陕西省重点产业创新链(群)项目(S2019-YF-ZDCXL-0098)。
评论