设计应用

基于YOLOv7-RS的遥感图像目标检测研究

作者:梁琦1,2,杨晓文2,3,4
发布日期:2024-03-05
来源:网络安全与数据治理

引言

遥感图像目标检测任务旨在从复杂多样的遥感图像中提取用户关注的目标,并对其进行位置和类别的标注。基于遥感图像的目标检测广泛应用于城市交通[1]、应急响应[2]和国防军事[3-4]等方面。如何在海量的遥感图像中精确识别并定位目标仍是现阶段研究的重点。由于遥感图像与自然图像的成像方式不同,遥感目标尺度差异大而且具有旋转不变性,加之遥感图像背景复杂多样,使得遥感图像的目标检测任务更加具有挑战性。因此提高遥感图像的目标检测精度有着重要的研究意义。随着卷积神经网络的发展,当前基于深度学习的目标检测算法主要分为双阶段目标检测和单阶段目标检测。YOLO系列算法是典型的单阶段目标检测算法。YOLOv1[5]在2015年首次提出来,有效解决了两阶段检测网络推理速度慢的问题。


作者信息:

梁琦1,2,杨晓文2,3,4

(1 武警山西总队参谋部,山西太原030012;2 中北大学计算机科学与技术学院,山西太原030051;

3 机器视觉与虚拟现实山西省重点实验室,山西太原030051;

4 山西省视觉信息处理及智能机器人工程研究中心,山西太原030051)


文章下载地址:https://www.chinaaet.com/resource/share/2000005889


weidian.jpg

此内容为AET网站原创,未经授权禁止转载。
遥感图像 目标检测 YOLOv7-RS SimAM D-ELAN
Baidu
map