期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于YOLOv11框架的多尺度特征协同与情景感知遥感目标检测算法
1
作者 崔丽群 褚如波 金海波 《地球信息科学学报》 北大核心 2026年第2期420-435,共16页
【目的】本文旨在提升高分辨率遥感图像的目标检测性能,针对小目标检测、复杂背景处理和密集目标分布等关键问题,提出了一种解决方案。【方法】本文基于YOLOv11框架,提出了一种融合多尺度特征协同与情景感知的遥感目标检测方法。设计了... 【目的】本文旨在提升高分辨率遥感图像的目标检测性能,针对小目标检测、复杂背景处理和密集目标分布等关键问题,提出了一种解决方案。【方法】本文基于YOLOv11框架,提出了一种融合多尺度特征协同与情景感知的遥感目标检测方法。设计了3个创新模块:(1)多核特征融合模块(Parallel Kernel Feature Fusion Module,PKFFM),用于跨尺度特征整合以增强表示能力;(2)级联双分支注意力模块(Cascaded Dual-Branch Attention Module,CDBAM),通过突出相关空间和通道信息优化特征提取;(3)情景感知模块(Scenario-Aware Module,SAM),增强网络捕获全局上下文信息的能力。此外,引入了RS-WIoU(Remote Sensing Wise Intersection over Union)损失函数,以更好地适应高分辨率遥感数据,进一步提升检测性能。【结果】为验证本文方法的有效性,本文在高分辨率遥感数据集TGRS-HRRSD、NWPU VHR-10和DOTA-v1.0上进行实验。实验结果表明,本文方法在各数据集上的平均精度(mP)分别达到97.3%、87.3%和84.3%,相较于基线模型YOLOv11,精度分别提升2.1%、3.8%和2.9%,mAP_(50-95)分别提升3.0%、1.2%和1.5%;此外,本文模型展现出轻量化特性和强鲁棒性,优于其他遥感目标检测算法。【结论】本文方法通过PKFFM、CDBAM、SAM以及RS-WIoU损失函数的协同作用,显著提升了高分辨率遥感图像目标检测的精度与鲁棒性,为遥感影像目标检测提供了高效的解决方案。未来可进一步探索这些模块在其他数据集和任务中的适用性,以提升模型的泛化能力并推动遥感技术的进步。 展开更多
关键词 高分辨率图像 目标检测 yolov11框架 多核特征融合 级联双分支注意力 情景感知 RS-WIoU损失函数
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部