文献类型：期刊文章

作　　者：周旗开[1] 张伟[1] 李东锦[2] 牛福[1]

Zhou Qikai;Zhang Wei;Li Dongjin;Niu Fu(Academy of Systems Engineering of Academy of Military Science of Chinese PLA,Beijing 100071,China;Beijing Institute of Control and Electronic Technology,Beijing 100038,China)

机构地区：[1]军事科学院系统工程研究院后勤科学与技术研究所,北京100071 [2]北京控制与电子技术研究所,北京100038

出　　处：《激光与光电子学进展》

年　　份：2022

卷　　号：59

期　　号：16

起止页码：466-473

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：针对遥感图像舰船检测中存在的场景复杂、尺度多样造成的错漏检问题,提出一种基于改进YOLOv5s的轻量级舰船分类检测方法,以在设备计算能力受限前提下,实现对舰船的实时快速分类检测。该方法将一种轻量、高效的通道注意力应用到主干特征提取网络中,使得构成的新的特征提取网络在场景复杂的遥感图像中对舰船具有更强的辨识能力;将特征提取网络得到的不同层次特征图输入到加权双向特征金字塔结构中,优化主干网络高低阶段特征的融合,并在遥感图像舰船数据集上进行实验。结果表明,改进后的网络模型的平均均值精度由原始的83.9%提高至89.2%,对航母、军舰、民船、潜艇的平均精确度分别提升1.6个百分点、0.9个百分点、8.8个百分点、9.5个百分点,同时平均检测速度和网络复杂度明显优于其他算法。

关 键 词：遥感图像 目标检测 YOLOv5s  注意力机制  特征金字塔  

分 类 号：TP751.1]