文章摘要:YOLOv3模型被广泛地应用于目标检测任务，对YOLOv3进行的一些改进算法取得了一定的成效，但仍存在表征能力不足且检测精度不高的问题，尤其对小目标的检测还不能满足需求。针对上述问题，提出了一种改进YOLOv3的遥感图像小目标检测算法。首先，使用K均值聚类变换算法优化锚框的大小，提升先验框和真实框之间的匹配度；其次，优化置信度损失函数，解决难易样本分布不均衡问题；最后，引入注意力机制提高模型对细节信息的感知能力。在RSOD数据集上进行实验的实验结果显示，与传统的YOLOv3算法、YOLOv4算法相比，改进算法在小目标“飞机（aircraft）”类上的平均精确率（AP）分别提高了7.3%、5.9%。实验结果表明，所提出改进算法能够有效检测遥感图像小目标，具有更高的准确率和更低的虚警率。

文章关键词:

论文分类号:TP751;TP183

上一篇：畜牧与动物医学论文_青藏高原草地地上生物量的
下一篇：没有了