基于改进YOLOv5n的轻量化光学遥感图像目标检测

摘要

针对光学遥感图像检测时存在背景复杂、目标密集、检测模型参数量和浮点计算量大的问题,提出了基于改进YOLOv5n的轻量化光学遥感图像目标检测方法。在主干网络中通过减少部分模块数量、引入无参数的SimAM注意力机制和Bottleneck Transformer结构,在参数量降低的情况下增强了网络的特征提取能力;引入Ghost卷积和使用同层跨越连接设计特征融合网络,降低模型复杂度和融合更多的特征信息;使用SIoU损失函数加快收敛速度和提升模型精度。通过在NWPU VHR-10和RSOD公开数据集上的实验结果表明,改进后的算法与原算法相比,平均精度均值(mAP0.5)分别提升了2.4%和1.5%,并且参数量减少25.4%,GFLOPs减少了21.4%。