基于LOD-RSINet的轻量化遥感图像目标检测

来源：计算机技术与发展杂志2024年第12期北京时间：

作者：李琛;丁胜;付佳俊;

摘要：为了满足遥感图像目标检测任务中轻量化和快速推理的需求,提出了一种基于改进 YOLOv8s 的轻量化遥感图像目标检测算法(A Lightweight Object Detection Network for Remote Sensing Images,LOD-RSINet)。 首先,提出基于 SENetv2 机制构建的 C2SE(C2f-SENetv2)模块,在略微增加模型参数量的同时让网络更有效地学习到输入数据的不同特征,提升特征表达的精细度和全局信息的整合能力;其次,设计一种轻量级跨尺度特征融合模块 CCFM,以增强模型对于尺度变化的适应性和对小目标的检测能力,在不影响模型检测精度的情况下降低了参数量并提高了检测速度;最后,引入了一种 Shape IoU 损失函数,通过关注边界框本身的形状和尺度来计算损失,从而使边界框回归更加准确。 实验证明,改进后的算法在 DIOR 数据集上的检测精度 mAP50 和 mAP50-95 分别达到了 0. 867 和 0. 668,参数量 GFLOPs 降低了 5. 61 百分点,检测速度 FPS 提高了 5. 94 百分点,性能表现优于其他对比方法,能够在轻量化的同时提高模型的目标检测能力。

关键词：YOLOv8;轻量化;遥感图像目标检测;跨尺度特征融合;损失函数