基于遥感图像的YOLOv3模型算法优化

来源：计算机应用与软件杂志2025年第1期北京时间：

作者：刘德健, 郭荣佐, 宫禄齐

摘要：为了使YOLOv3算法能在遥感设备上实时地进行目标检测，模型压缩是常用的解决方案。根据模型压缩后精度会有损失的特点，先为模型添加注意力机制算法再对模型进行训练，并以此为基础提出基于融合卷积层与BatchNormal层后对模型进行通道剪枝方法，对YOLOv3进行通道剪枝，得到压缩后的YOLOv3目标检测模型，并对剪枝后的模型进行微调后，恢复模型的精确度。通过实验得到的结果，融合后剪枝的方法在mAP损失 0.6%的基础上，对YOLOv3的模型大小压缩94.93%，检测速度提升了150.6%；通过实验证明，该模型能够运用到对于实时性较高和检测精度较高的遥感图像目标检测,并且适用于存储空间较小的遥感设备。

关键词：遥感图像, 深度学习, 注意力机制, 卷积融合, 模型剪枝