基于深度學(xué)習(xí)的遙感圖像目標(biāo)檢測模型研究

打開文本圖片集

摘 要：針對遙感圖像中背景復(fù)雜、目標(biāo)小而密集，導(dǎo)致現(xiàn)有目標(biāo)檢測算法對小目標(biāo)檢測效果不佳，容易出現(xiàn)誤檢和漏檢的問題，在YOLOv8n模型的基礎(chǔ)上引入HA注意力機制，提出了YOLOv8n-HA模型改善上述問題。具體地，文章在YOLOv8n每個檢測分支的瓶頸端嵌入HA注意力模塊。實驗結(jié)果表明，YOLOv8n-HA模型在DOTAv1.5和Fiar1M子數(shù)據(jù)集上的mAP@0.5和mAP@0.5：0.95分別達到了0.797和0.597，相較于YOLOv8n模型分別提升了0.013和0.028。（剩余5877字）