信息收集和分发机制的遥感图像目标检测算法.pdfVIP

第35卷第1期计算机技术与发展Vol.35No.1

2025年1月COMPUTERTECHNOLOGYANDDEVELOPMENTJan.2025

信息收集和分发机制的遥感图像目标检测算法

彭芳，贺智明

（江西理工大学信息工程学院，江西赣州341000）

摘要：遥感图像中的目标具有尺度多样、多类别以及背景复杂等特点，使得用于自然图像的目标检测算法在遥感图像目

标检测中存在较多的漏检误检和精确度较低等现象。针对这些问题，提出一种基于YOLOv7改进的信息收集和分发机制

的遥感图像目标检测算法。首先，设计一个信息收集和分发模块，用一个统一的模块收集不同特征图的信息并进行融合，

将融合后的信息分发给需要的特征图，从而可以避免传统特征融合网络中固有的信息丢失，增强模型的特征融合能力从

而提升模型的精确度。其次,NWD损失函数替换CIoU损失函数,缓解基于IoU的损失函数对小目标位置偏差的敏感减

少目标的漏检和误检。为了提升模型的收敛速度,设计一个超参数，同时使用NWD损失函数和IoU损失函数。在公开数

据集RSOD上进行的实验结果表明，在复杂多样的情况下，改进后算法的平均精度均值（mAP）达到96.5%，相较原

YOLOv7算法提升了15.8百分点,证明了改进后算法的适用性和有效性。

关键词：目标检测；深度学习；遥感图像；信息收集和分发机制；NWD损失函数

中图分类号：TP391.4文献标识码：A文章编号:1673-629X(2025)01-0046-07

doi:10.20165/j.cnki.ISSN1673-629X.2024.0293

RemoteSensingImageObjectDetectionAlgorithmBasedonInformation

Gather-and-distributeMechanism

PENGFang,HEZhi-ming

(SchoolofInformationEngineering,JiangxiUniversityofScienceandTechnology,Ganzhou341000,China)

Abstract:Thetargetsinremotesensingimageshavethecharacteristicsofdiversescales,multiplecategories,andcomplexbackgrounds,

whichmakesthetargetdetectionalgorithmsusedfornaturalimagespronetomisseddetections,falsedetections,andlowaccuracyin

remotesensingimagetargetdetection.AremotesensingimageobjectdetectionalgorithmbasedonYOLOv7improvedinformation

gather-and-distributemechanismisproposedtoaddresstheseissues.Firstly,wedesignaninformationgather-and-distributemechanism

thatusesaunifiedmoduletocollectandfuseinformationfromdifferentfeaturemaps,anddistributethefusedin