摘要
本发明公开了一种基于YOLOv8的卫星遥感旋转目标检测方法及系统,涉及卫星遥感目标检测技术领域。针对传统一阶段目标检测算法在遥感图像上检测精度低和速度慢的问题。首先,对YOLO主干特征提取网络的最后一层下采样模块和检测层的大目标检测头进行了裁剪,并增加了一个小目标检测头,使模型更好地关注遥感小目标。然后,设计了一个快速特征提取模块嵌入到主干特征提取网络中以实现高效的特征提取。此外,结合EMA注意力机制设计出一个高性能特征融合模块,嵌入到主干网络和特征融合网络之间实现模型对关键特征信息表征能力的增强。最后,通过将目标边界框转化为高斯分布,通过r‑KLDloss损失函数计算损失值,帮助模型更好地学习特征信息以提高检测精度。
技术关键词
卫星遥感图像
特征提取网络
特征融合网络
检测头
特征提取模块
图像缩放
错误检测
注意力机制
检测网络模型
输入模块
学习特征
残差模块
协方差矩阵
高性能
卷积模块
网络架构
分支
系统为您推荐了相关专利信息
情感分析方法
多任务
情感分析模型
多模态特征
语义特征
噪声标签
学习方法
分类网络
半监督学习算法
噪声集
二维温度场
温度敏感点
时序特征
机床主轴箱
数控机床误差补偿
智能检测方法
轨迹分析技术
深度卷积神经网络
深度学习模型
长短期记忆网络
早期诊断系统
糖尿病视网膜
血管
分析视网膜图像
训练卷积神经网络模型