多尺度信息增强的遥感图像目标检测算法

来源：计算机工程杂志2026年第4期北京时间：

作者：杨路, 刘俊杰, 余翔

单位：重庆邮电大学通信与信息工程学院, 重庆 400065

摘要：针对复杂背景遥感图像中小目标密集、目标尺度变化大等因素给目标检测带来的特征提取困难、精度不佳的问题, 在YOLOv5s基础上提出一种多尺度信息增强的目标检测算法——深度学习YOLO(DL-YOLO)。首先, 改进算法在主干网络顶部采用基于快速空间金字塔池化设计的空洞卷积快速空间金字塔池化, 通过其中的感受野增强模块(RFEB)融合多尺度目标的细节信息与语义信息, 提高网络的特征提取能力。其次, 改进算法的检测头部分采用以YOLOv6s解耦头(DH)为基础设计的轻量高效解耦头(LEDH)来替换原有的检测头, 在该解耦头中设计了轻量化空洞全局深度卷积(GDConv)模块来增强分类与回归任务关联信息的学习, 以及引用轻量化卷积实现轻量化, 在提高各尺度目标检测精度的同时, 降低解耦头参数量。在DIOR数据集上的实验结果表明, 与YOLOv5s相比, 提出的DL-YOLO算法在精确率、召回率、mAP@0.5、mAP上分别提高了1.6、2.1、2.1和4.7百分点, 综合指标超过了现有优秀的目标检测算法, 对遥感图像中多尺度目标检测具有实际应用意义。

关键词：遥感图像,复杂背景,YOLOv5s算法,多尺度目标检测,解耦头

基金资助：国家自然科学基金(62176035)