来源：期刊VIP网 时间：
作者：赵新康;司占军;
单位：天津科技大学人工智能学院;
摘要：在高分辨率遥感图像的定向边界框（OBB）目标检测研究中，由于目标太小且方向不同，会出现漏检和错检的问题。现有的遥感图像定向边界框目标检测方法虽然取得了不错的进展，但主要侧重于方向建模，而较少考虑目标的大小以及漏检问题。本研究提出了一种基于改进YOLOv8的遥感图像定向物体检测方法。该方法可以提高遥感图像中定向物体的检测精度。首先，创新性地设计了一个ResCBAMG模块，可以更好地提取通道和空间相关信息。其次，提出了一种创新的自上而下的特征融合层网络结构，与ECA注意力模块相结合，有助于适当捕捉局部间的跨通道交互信息。最后，在自下而上特征融合层的不同C2f模块和检测头之间引入了创新的ResCBAMG模块。这种创新结构有助于模型更好地聚焦目标区域，同时也能提高定向目标检测的准确性和鲁棒性。在DOTA-v1.5数据集上的实验结果表明，与原始模型相比，本研究改进模型的检测精度、mAP@0.5和mAP@0.5:0.95指标均有所提高，这也有效改善了对小型目标和复杂场景的检测能力。
关键词：遥感图像;;定向边界框目标检测;;小目标检测;;YOLOv8
