来源：期刊VIP网 时间：
作者：孙华;王蒙;曲海成;
单位：济宁市农业技术推广中心;辽宁工程技术大学软件学院;
摘要：针对当前遥感图像车辆目标检测任务存在的目标尺度差异大、背景复杂以及小目标众多等问题，提出一种新的遥感图像车辆目标检测算法DAW-YOLO。首先，通过在主干网络C2f模块中融合可变形卷积来动态调整采样位置，以增强多尺度和密集目标的特征表达能力；其次，引入BiFormer注意力机制到双向特征金字塔网络，采用稀疏性运算弱化复杂背景干扰和减少小目标特征丢失；此外，增加处理小目标的解耦头以提高小目标的检出率；最后，定义了一种结合角度惩罚和动态非单调聚焦机制的目标框损失函数WIoU-S,以增强网络模型的泛化能力并提升收敛速度。实验表明：与当前多种主流目标检测算法相比，DAW-YOLO算法的车辆目标检测精度较优；与原YOLOv8n模型相比，mAP@0.5指标提升了5.3个百分点，召回率提高了5.6个百分点。该算法为复杂场景下遥感图像车辆目标检测提供了一种有效解决方案。
关键词：目标检测;;可变形卷积;;双向特征金字塔;;损失函数;;YOLOv8
基金资助：国家自然科学基金(42271409);; 辽宁省高等学校科学研究经费(LJKMZ20220699)
