信息收集和分发机制的遥感图像目标检测算法

来源：计算机技术与发展杂志2025年第01期北京时间：

作者：彭芳;贺智明

摘要：遥感图像中的目标具有尺度多样、多类别以及背景复杂等特点,使得用于自然图像的目标检测算法在遥感图像目标检测中存在较多的漏检误检和精确度较低等现象。 针对这些问题,提出一种基于 YOLOv7 改进的信息收集和分发机制的遥感图像目标检测算法。 首先,设计一个信息收集和分发模块,用一个统一的模块收集不同特征图的信息并进行融合,将融合后的信息分发给需要的特征图,从而可以避免传统特征融合网络中固有的信息丢失,增强模型的特征融合能力从而提升模型的精确度。 其次,NWD 损失函数替换 CIoU 损失函数,缓解基于 IoU 的损失函数对小目标位置偏差的敏感,减少目标的漏检和误检。 为了提升模型的收敛速度,设计一个超参数,同时使用 NWD 损失函数和 IoU 损失函数。 在公开数据集 RSOD 上进行的实验结果表明,在复杂多样的情况下,改进后算法的平均精度均值( mAP) 达到 96. 5% ,相较原 YOLOv7 算法提升了 15. 8 百分点,证明了改进后算法的适用性和有效性。

关键词：目标检测;深度学习;遥感图像;信息收集和分发机制;NWD损失函数