计算机工程与科学

作者：张永智, 何可人, 戈珏

单位：常州大学信息化建设与管理中心，江苏 常州 213164

关键词：张量分解,注意力机制,损失函数优化,小目标检测,

基金：江苏省现代教育技术研究2021年度智慧校园专项(2021-R-96782)

针对低空遥感图像目标检测存在的尺度微小、背景复杂多变和计算资源有限等问题，提出了一种改进YOLOv7网络的低空遥感图像目标检测网络SimAM_YOLOv7。首先，基于张量火车分解，最小化冗余参数；其次，引入无参数的注意力机制，提高网络对目标的聚焦能力；最后，利用高效IoU(EIoU)优化定位损失，减小目标框与先验框的位置偏移，基于Focal Loss改进分类损失，解决正负样本的失衡问题。在真实低空遥感数据集上进行实验，在YOLOv7的基准下，所提出的网络在参数量减少3.27M时，mAP50指标提高了4.63%，mAP50:95指标提高了3.94%，充分验证了所提网络的有效性和优越性。

来源：2024年第7期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2024年第7期