基于改进MobileNetV3的遥感目标检测

被引：6
|
作者：
王云艳 [1 ,2 ]
罗帅 [1 ]
王子健 [1 ]
机构：
[1] 湖北工业大学电气与电子工程学院
[2] 襄阳湖北工业大学产业研究院
来源：
陕西科技大学学报 | 2022年 / 03期
关键词：
轻量化; 目标检测; 遥感图像; 注意力机制; YOLOv4;
D O I：
10.19481/j.cnki.issn2096-398x.2022.03.022
中图分类号：
TP751 [图像处理方法];
学科分类号：
081002 ;
摘要：
设计了一种新的轻量级多类物体检测网络，该网络可以实现对遥感图像快速准确检测，同时可以满足实时检测的需求.首先，提出了一种更高效的多维注意力网络(FMDA-net),它在只增加少量参数的情况下，就能给检测模型带来明显的性能增益，提高检测器对小物体的灵敏度.然后，基于FMDA-net和更高效的ECA模块对MobileNetV3的Bneck块进行改进，从而获得新的轻量级特征提取网络MobileNetV3+,并将其作为YOLOv4的主干网络，用于遥感图像的目标检测任务.实验证明，网络相对于先进的MobileNetV3,在遥感数据集UCAS-AOD获得了更高的FPS和mAP,相比MobileNetV3检测精度mAP提高6.05%.同时检测速度也高于MobileNetV3达到41.58FPS满足实时检测的要求.
引用
收藏
页码：164 / 171
页数：8
相关论文
共 8 条
  • [1] 基于改进MobileNet v2的垃圾图像分类算法
    陈智超
    焦海宁
    杨杰
    曾华福
    [J]. 浙江大学学报(工学版), 2021, 55 (08) : 1490 - 1499
  • [2] 基于轻量化YOLOv3的遥感军事目标检测算法
    秦伟伟
    宋泰年
    刘洁瑜
    王洪伟
    梁卓
    [J]. 计算机工程与应用, 2021, 57 (21) : 263 - 269
  • [3] 基于Faster R-CNN的仪表识别方法
    李娜
    姜志
    王军
    董兴法
    [J]. 液晶与显示, 2020, 35 (12) : 1291 - 1298
  • [4] 基于SSD的可回收垃圾检测研究
    白阳
    刘斌
    李彦彤
    [J]. 陕西科技大学学报, 2020, 38 (06) : 152 - 158
  • [5] Mask R-CNN
    He, Kaiming
    Gkioxari, Georgia
    Dollar, Piotr
    Girshick, Ross
    [J]. IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, 2020, 42 (02) : 386 - 397
  • [6] A Dual Neural Architecture Combined SqueezeNet with OctConv for LiDAR Data Classification
    Wang, Aili
    Wang, Minhui
    Jiang, Kaiyuan
    Cao, Mengqing
    Iwahori, Yuji
    [J]. SENSORS, 2019, 19 (22)
  • [7] Squeeze-and-Excitation Networks[J] . Hu Jie,Shen Li,Albanie Samuel,Sun Gang,Wu Enhua. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2019 (8)
  • [8] Searching for MobileNetV3 .2 HOWARD A,SANDLER M,CHU G,et al. International Conference on Computer Vision . 2019
1