来源：期刊VIP网 时间：
作者：陈鑫钰;陈媛媛;廉永健;耿艳兵;张楠;刘圣仁;张玲郡;
单位：中北大学信息与通信工程学院;中北大学计算机科学与技术学院;
摘要：针对光学遥感图像因目标尺度差异大，小目标特征信息不足导致的检测精度低、误检、漏检问题，文中提出一种基于PSN-YOLOv7的光学遥感图像目标检测方法。首先，增加一个160×160的小目标检测层，增强网络的多尺度目标检测能力；其次，提出改进的ELAN-P和ELAN-WS模块，在减少计算量和参数量的同时，增强全局理解能力减少目标特征信息的损失，有效改善误检；最后，提出MNI损失函数改进YOLOv7的CIoU位置损失函数，抑制小目标造成网络损失不平衡的影响，从而减少目标漏检的情况。在DIOR公开遥感图像数据集上进行训练与测试，实验对比结果表明，所提方法检测精度mAP@0.5为92.3%，比YOLOv7网络提高了3.2%，且计算量和参数量与原YOLOv7网络相当，提升检测精度的同时保证了网络的性能平衡。
关键词：光学遥感图像;;目标检测;;损失函数;;多尺度;;深度学习;;特征信息
基金资助：山西省自然科学基金项目（202103021224192）;山西省自然科学基金项目（202203021221103）
