计算机工程与应用

2021, v.57;No.989(22) 247-256

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

改进YOLOv4的密集遥感目标检测
Improved YOLOv4 for Dense Remote Sensing Target Detection

谢俊章;彭辉;唐健峰;侯奕辰;曾庆喜;

摘要(Abstract):

基于遥感目标在密集分布和背景复杂场景中因特征提取和表达能力的不足而存在漏检和检测效果不佳的问题,提出了改进YOLOv4的遥感目标检测算法。对用于检测目标的锚框(anchor)用K-means聚类算法重新聚类来减少网络计算量;改进特征提取网络结构,引入残差连接取缔网络中连续卷积操作来提高密集目标特征提取能力;在特征提取网络中激活函数加入自适应激活与否的特征激活平滑因子,而在PANet特征融合网络结构中采用Mish激活函数,增强网络对非线性特征的提取能力,从而提升网络的特征提取能力,提高遥感目标在密集分布场景中的检测效果。将所提算法和原始的YOLOv4目标检测算法在遥感图像数据集上进行对比实验,改进YOLOv4算法在实验选用的遥感图像测试数据集上的平均准确率均值(mAP)达到85.05%,与YOLOv4算法相比,m AP提升了5.77个百分点。实验结果表明,在单目标密集分布和多目标混合分布等背景复杂条件下,改进YOLOv4算法具有更好的检测效果。

关键词(KeyWords): 遥感图像;目标检测;YOLOv4;网络结构;激活函数

Abstract:

Keywords:

基金项目(Foundation): 四川省科技计划资助项目(2019YJ0356)

作者(Author): 谢俊章;彭辉;唐健峰;侯奕辰;曾庆喜;

Email:

DOI:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享