融合卷积通道注意力的遥感图像目标检测方法

来源：计算机工程与应用杂志2024年第2期北京时间：

作者：王怀济, 李广明, 张红良, 申京傲, 吴京

单位：东莞理工学院 计算机科学与技术学院，广东 东莞 523808

摘要：针对遥感目标检测中，目标分布不均匀、排列杂乱、大长宽比和尺寸变化剧烈等导致目标定位困难的问题，提出了一种融合卷积通道注意力的旋转目标检测方法。基于[k]-means进行改进，设计了在最优解下增加聚类簇之间距离的锚框设计方法；基于YOLOv5进行改进，设计融合卷积通道注意力的网络模型，增强主干网络传达给特征金字塔顶层和底层的语义和定位特征；设计包含覆盖面积、中心点距离、宽高比和角度损失四种要素的目标框损失函数；优化YOLOv5的目标框宽高回归函数，自适应生成回归预测范围。实验在两个遥感公共数据集UCAS-AOD和HRSC2016上分别与5种具有代表性的方法进行比较，在UCAS-AOD数据集上，平均精度mAP达到了95.9%，相比于CSL方法，mAP提升了0.8个百分点；在HRSC2016数据集上，平均精度mAP达到了96.3%，速度FPS达到了77.5，相比于R3Det方法，mAP提升了0.3个百分点，FPS提升了5.46倍。实验结果表明，方法的整体性能超过了近年来一些代表性的方法，在两个遥感数据集中验证了方法的有效性。

关键词：旋转目标检测,YOLO,锚框,卷积通道注意力,回归函数优化,损失函数重构