计算机应用

作者：冯号, 黄朝兵, 文元桥

单位：1.武汉理工大学 信息工程学院，武汉 430070；2.武汉理工大学 智能交通系统研究中心，武汉，430063

关键词：小目标检测,YOLOv3,K均值聚类变换,置信度损失函数,注意力机制

基金：国家自然科学基金资助项目(52072287)

YOLOv3算法被广泛地应用于目标检测任务。虽然在YOLOv3基础上改进的一些算法取得了一定的成果，但是仍存在表征能力不足且检测精度不高的问题，尤其对小目标的检测还不能满足需求。针对上述问题，提出了一种改进YOLOv3的遥感图像小目标检测算法。首先，使用K均值聚类变换（K-means-T）算法优化锚框的大小，从而提升先验框和真实框之间的匹配度；其次，优化置信度损失函数，以解决难易样本分布不均衡的问题；最后，引入注意力机制来提高算法对细节信息的感知能力。在RSOD数据集上进行实验的结果显示，与原始的YOLOv3算法、YOLOv4算法相比，所提算法在小目标“飞机（aircraft）”类上的平均精确率（AP）分别提高了7.3个百分点和5.9个百分点。这表明所提算法能够有效检测遥感图像小目标，具有更高的准确率。

来源：2022年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第12期