基于改进YOLOv3的遥感目标检测算法

摘要

针对YOLOv3算法在遥感图像检测中对飞机、船舰等小目标的准确度不高等问题，提出了一种用于遥感目标检测的改进YOLOv3算法。使用H-Swish激活函数替代MobileNetV2中Bottleneck Residual block第一层中的ReLU6激活函数，为使网络更加关注遥感图像的细节信息，在MobileNetV2中加入能够更多关注特征图的隐藏信息的空间通道注意力机制；利用改进后的MobileNetV2代替YOLOv3中原始的Darknet-53主干网络。将调整后的Focal loss损失函数代替YOLOv3中原来的损失函数，并在原算法的基础上减少特征尺度，使算法处理时间更短。使用K-means++聚类算法对数据集进行聚类分析，获得一组先验框。在DOTA数据集上进行了测试，实验结果表明：改进后的算法将权重模型从18.8 MB减少到了8.0 MB,将平均检测时间从36.6 ms减少到了28.42 ms,将mAP＿0.5从61.7提高到了91.3,该算法较好地提高了检测速度和精度。