来源：期刊VIP网 时间：
作者：黄艺煊;王立才;喻金桃;何江涛;
单位：华北计算技术研究所大数据研发中心;
摘要：遥感图像目标检测向来有复杂背景干扰、目标尺度不一、小目标检测难的挑战。针对以上问题，文章提出了一种基于YOLOv5改进的遥感图像目标检测算法。首先，对YOLOv5的主干网络进行改进，引入了一种基于双通道注意力机制的CBAM卷积模块，以取代传统的卷积操作，从而提升模型的特征提取能力。其次，使用SIoU替换CIoU,添加角度惩罚，有效减少了损失的总自由度，提升检测框的定位能力。为了提高检测精度，文章还引入了一种自适应融合策略ASFF,将多个尺度的特征图进行自适应加权融合，解决目标尺度多变带来的问题。实验结果表明，该方法在公开数据集NWPU VHR-10上与其他算法进行对比并取得了优秀的检测性能，在实际应用中具有很高的实用性。
关键词：深度学习;;目标检测;;特征融合;;小目标;;计算机视觉
