YOLOv7遥感影像目标检测改进模型研究_中国煤炭行业知识服务平台

YOLOv7遥感影像目标检测改进模型研究

作者

戚忠涛任彦高龙王永洁孙明星
单位

天地（榆林）开采工程技术有限公司内蒙古科技大学信息工程学院陕西益东矿业有限责任公司陕西省榆林市大梁湾煤矿有限公司
摘要

卫星遥感影像具有成像面积大、小目标较多且背景复杂的特点，其中小目标分辨率低、分布不均衡，在检测时极易造成漏检错检。针对原始算法对遥感影像小目标检测效果不佳的问题，提出了一种改进的YOLOv7遥感影像目标检测算法模型。该改进模型通过引入浅层特征融合减少小目标的特征损失，并融合多头自注意力机制和密集连接，以改善复杂背景下遥感影像小目标检测性能较差的问题。为了验证文中所提算法的有效性，使用DOTA公开遥感影像数据集开展了对照试验，实验结果表明，本文算法15类平均准确率(mAP)为74%,相比原始算法提高了1.7%,较YOLOv3-CSP、YOLOv4-CSP、Resnet50、X50-CSP分别提升4.9%、16.2%、4.4%、4%,验证了所改进算法的有效性。
关键词

遥感影像小目标YOLOv7目标检测注意力机制
基金项目(Foundation)

国家自然科学基金项目(62063027)；内蒙古自治区科技计划项目(2020GG0048)；内蒙古自然基金(2019MS06002)；内蒙古自治区高等学校青年科技人才发展计划项目(NJYT22057)；
文章目录

1 改进的YOLOv7检测算法
1.1 密集MHSA模块
1.1.1 自注意力
(1)计算Q、K、V矩阵：
(2)计算注意力分数矩阵A′:
(3)计算输出矩阵O:
1.1.2 MHSA
1.1.3 添加MHSA的YOLOv7
1.1.4 引入密集连接
1.2 引入浅层特征
2 试验与结果分析
2.1 试验环境及参数配制
2.2 实验数据
2.3 实验数据分析
3 结论