基于改进YOLOv5s的遥感图像车辆目标检测

来源：计算机技术与发展杂志2024年第12期北京时间：

作者：刘俊苗;王海晨

摘要：遥感影像在目标检测领域被广泛应用,在车辆目标检测方面,由于遥感图像自身背景复杂、车辆目标小且密集等特点,现有目标检测方法常面临检测效果不佳以及漏检误检等问题。 该文针对性地提出了一种改进 YOLOv5s 的目标检测方法。 引入了带有位置信息编码的自注意力机制,强化对同一尺度内特征信息的融合,在网络高层采用 MobileViT 处理更抽象的特征,高效捕捉复杂的上下文信息,进一步增强了对小目标的识别能力,解决了小目标漏检问题;应用轻量级上采样算子来降低模型复杂度;另外,应用 ShapeIoU 损失函数,使该模型更加关注边界框的形状和尺度以便提高检测精度。 在遥感车辆数据集 COWC 进行了完整实验,实验表明改进后的模型各项指标均有提升,准确率提高了 0. 3 百分点,召回率提高了 1 百分点,mAP 提高了 0. 8 百分点。

关键词：遥感图像;车辆目标检测;YOLOv5s;自注意力机制;轻量化上采样算子;损失函数