基于深度可分离卷积的卫星影像检测技术研究

摘要

卫星影像特定目标识别与定位可为军事侦察领域提供重要战略信息,如何平衡基于深度学习技术遥感目标检测算法的检测精度、参数量大小与检测效率成为当前研究热点。提出算法在Tiny-Yolo-V2算法基础上优化,利用深度可分离卷积概念解藕卷积层,减少模型参数量,提升检测效率。同时,结合特征金字塔思想,增加预测尺度,提高算法检测精度。在DOTA数据集上进行对比实验,结果表明相对Tiny-Yolo-V2算法,提出方法的mAP值提高了0.084,模型参数量减小了49%,检测效率提高了48%,验证了优化策略的有效性。