-
题名基于增强特征提取的森林遥感图像行人小目标检测网络
被引量：2
- 1
-
-
作者
李春燕
王超
金星
符利勇
业巧林
-
机构
南京林业大学信息科学技术学院、人工智能学院
中国林业科学研究院资源信息研究所
南京晓庄学院智能信息处理重点实验室
-
出处
《林业工程学报》
CSCD
北大核心
2024年第4期130-139,共10页
-
基金
国家自然科学基金(62072246)。
-
文摘
林业作业人员常常由于复杂地貌而面对坠落、森林火灾等威胁,卷积神经网络结合无人机巡查的方法已经成为主流防范、搜救措施,但遥感图片中的行人小目标有特征少、定位精度要求高以及极易受背景信息干扰的特点。为了能够使森林遥感图片行人小目标检测的精度达到预期,在YOLOv4方法的基础上针对上述特点设计了增强特征提取的目标检测网络(EFEN),通过构建感受野增强模块(RFBA)并结合CBAM注意力机制,在充分利用遥感图片中的丰富上下文信息之余,对相关信息进行动态选择,增强特征的表示能力;基于高斯分布思想,将归一化Wasserstein距离与CIOU结合,提出了一种新的损失函数(GKCLOSS),降低了小目标检测任务中对位置偏差的敏感性;引入一种自适应分割训练检测策略,平衡正负样本,提高目标检测的准确性,进一步提高了检测精度。以河北省张家口市崇礼区采集的无人机行人图像为研究对象,实验表明,EFEN框架在小目标检测方面优于现有的深度学习网络,在与SSD、YOLOv5、YOLOv7等算法比较中平均查准率(mAP)均有所提升,在上述数据集上,mAP高达39.10%,证明了此方法对行人小目标数据的有效性。
-
关键词
遥感图像
行人小目标
增强特征提取
感受野增强模块
gkcloss损失函数
-
Keywords
remote sensing image
pedestrian mini-target
enhanced feature extraction
receptive field block attention module
gkcloss loss function
-
分类号
TP319.4
[自动化与计算机技术—计算机软件与理论]
-
