基于注意力与特征融合的光学遥感图像飞机目标检测

摘要

光学遥感图像受背景复杂度和语义信息量大等影响,在检测精度和效率上仍然存在一定的不足.本文提出了以Resnet50为基础特征提取的SSD300网络模型,加入注意力机制CBAM模块和特征融合FPN模块,采用Soft-NMS策略选取最终预测框,对遥感图像飞机目标进行更加有效地检测.最后,在2150张飞机遥感图像数据集上进行训练,当IoU为0.5和0.75时平均精度MAP达到92.54％和63.44％,较改进前的算法模型提升了5.04％和11.38％,检测速度达到24.1 FPS.实验结果表明,该方法可以有效提高物体的检测能力,以及快速、准确地检测机场区域内的飞机物体,有效降低了飞机物体的漏检率,提高了检测精度和速度.