上海电力大学电子与信息工程学院, 上海 201000
针对目前遥感图像检测精度低、召回率低、实时性差等问题, 提出基于GhostNet和 CoT多分支残差网络(MBRNet)的遥感飞机检测算法。借鉴YOLOv4网络模型, 采用MBRNet作为新的主干网络, 从而减少梯度消失问题并弥补了CNN欠缺的全局特征计算能力; 为了减少小目标丢失问题, 同时在主干与PANet中引入多方位的特征提取与融合思路, 实现在高、低特征层之间和同尺度特征层之间的信息充分互补。提出的算法在具有背景复杂、过度曝光、目标密集等场景的RSOD 和LEVIR数据集上准确率达到了97.64%, 召回率达到了89.11%。
遥感图像 遥感飞机 多分支残差网络 remote sensing image remote sensing aircraft Multi Branch-Residual Network(MBRNet) YOLOv4 YOLOv4 GhostNet GhostNet
