基于改进YOLOv5s的遥感目标检测

来源：计算机测量与控制杂志2023年第8期北京时间：

作者：王悦炜,焦良葆,高阳,

单位：南京工程学院 人工智能产业技术研究院

摘要：优化遥感目标检测对于军事民生方面都有着重要意义。由于遥感数据中成像模糊、目标较小、检测对象数量多，导致检测精度不高，现提出一种新网络：新网络在YOLOv5s（You Only Look Once v5s）原网络的基础上使用Mish激活函数代替SiLU（Sigmoid Weighted Liner Unit）激活函数；为解决遥感图像中小目标的问题，采用了对小目标、低分辨率友好的SPD-Conv（Space-to-depth-Conv）模块；考虑到使用耦合检测头会存在回归、分类两个任务之间的冲突问题，采用YOLOX (You Only Look Once X)中解耦的检测头，提高了模型查准率。实验结果表明，相比于原始YOLOv5s，新网络在mAP（mean Average Precision）平均精度均值方面提升了7%，查全率（recall）提升了10.9%，检测速度FPS提升了16.95%。改进后的网络模型相对于原始模型具有明显优越性，识别效果提升明显。

关键词：深度学习;遥感;激活函数;小目标 ;解耦检测头

基金资助：江苏省自然科学基金资助项目(BK20201042)；江苏省政策引导类计划项目(SZ-SQ2020007)