来源：期刊VIP网 时间：
作者：单韵宇;黄亮;
单位：昆明理工大学国土资源工程学院;昆明市不动产权籍调查中心;云南省教育厅高原遥感重点实验室;
摘要：桥梁对国家发展、百姓生活起着举足轻重的作用，采用高分辨率遥感影像对桥梁目标进行自动检测具有重要意义。但现有基于YOLOv5的检测算法存在水平边界框重叠、包含无关信息、识别精度低等问题。针对这些问题，文章提出了一种改进YOLOv5的桥梁检测方法，通过旋转边界框精确地描述桥梁的形状和姿态，并结合Transformer、BiFPN算法提高网络精度，最终形成一种具有方向性、高精度的遥感影像桥梁自动检测算法。首先，在水平边界框的基础上增加了θ角度参数，得到旋转边界框；然后，在YOLOv5的backbone中添加Transformer模块，通过多头注意力层使得在复杂场景下有效捕捉目标信息；接着，将YOLOv5的特征融合网络修改为BiFPN结构，更好地挖掘影像信息；最后，采用精确度(precision)、召回率(recall)、平均精度值(mean average precision, mAP)、帧率(frames per second, FPS)评估实验结果。该方法实验结果较目前常见深度学习方法表现更为优异，mAP达到了99.47%,较YOLOv5提高了近8%,较YOLOv8提高了近1%;FPS达到了56,较YOLOv8提升了14,证明了所提方法的有效性。
关键词：深度学习;;目标检测;;YOLOv5;;桥梁检测;;Transformer;;锚框
基金资助：国家自然科学基金(42361054);; 云南省基础研究计划项目(202201AT070164)
