来源：期刊VIP网 时间：
作者：孙超;周永康;陈正超;刘均学;丁建军;
单位：江汉大学智能制造学院;
摘要：针对在遥感图像中进行小目标检测时，由于目标尺寸小、视觉信息不明显以及背景复杂多变等因素，导致传统的检测方法在精度和鲁棒性方面存在局限性，容易造成漏检、误检的问题，文章提出了一种改进YOLOv7的目标检测算法，采用SIoU作为损失函数，改善目标检测框的定位精度，从而提高检测的准确性和鲁棒性。同时，通过将CNeB模块应用于特征融合过程，增强了特征之间的空间交互能力，进一步提升了小目标的检测性能。此外，为了更好地捕捉遥感图像中小目标的细节特征，利用CA注意力机制，设计了MPCA模块，实现了对特征图的自适应调整，以提高表征能力。在实验部分，使用了经典的遥感图像数据集进行了大量的实验评估。实验结果表明，所提出的基于SIoU、CNeB模块和CA注意力机制的改进方法在RSOD数据集上四分类均值平均精度达到了96.8%,比原版YOLOv7提升了2.5%,有效提高了遥感图像小目标检测精度。
关键词：目标检测;;小目标;;YOLOv7;;损失函数;;注意力机制
基金资助：中国国家重点研发计划(2018YFD1100104);; 湖北省教育厅教学研究项目(2022277);; 江汉大学校级科研基金资助项目(2022XKZX32)
