文章目录

1 引言

2 SSD检测网络

2.1 SSD算法

2.2 Resnet50+SSD网络结构

3 改进SSD网络结构

3.1 FPN特征融合

3.2 增加通道与空间注意力机制模块

3.3 Soft-NMS

3.4 调整特征层上的先验框比例

3.5 改进后的网络结构

3.6 损失函数的选择

4 实验结果与分析

4.1 实验条件

4.2 实验流程及训练参数

4.3 评价指标

4.4 算法对比实验

4.5 算法模型对比实验与结果分析

4.6 算法扩展实验与结果分析

5 结论

文章摘要:光学遥感图像受背景复杂度和语义信息量大等影响,在检测精度和效率上仍然存在一定的不足。本文提出了以Resnet50为基础特征提取的SSD300网络模型,加入注意力机制CBAM模块和特征融合FPN模块,采用Soft-NMS策略选取最终预测框,对遥感图像飞机目标进行更加有效地检测。最后,在2 150张飞机遥感图像数据集上进行训练,当IoU为0.5和0.75时平均精度MAP达到92.54%和63.44%,较改进前的算法模型提升了5.04%和11.38%,检测速度达到24.1FPS。实验结果表明,该方法可以有效提高物体的检测能力,以及快速、准确地检测机场区域内的飞机物体,有效降低了飞机物体的漏检率,提高了检测精度和速度。

文章关键词:

项目基金: