YOLO-DRS:一种生物灵感的对象检测算法,用于远程传感图像,采用多尺度高效轻量级注意力机制

科学领域:

• 计算机视觉 计算机视觉
• 遥感 遥感 遥感 遥感
• 人工智能的人工智能

背景情况:

• 在遥感中对象检测至关重要,但受到小目标,复杂的背景和多尺度图像的挑战.
• 像YOLOv5这样的现有框架在应对这些挑战时扎,导致检测性能不足最佳.
• 解决这些局限性对于准确的遥感应用至关重要.

研究的目的:

• 开发一种改进的生物灵感物体检测算法,用于远程传感图像.
• 提高检测准确度,减少小规模和多规模目标的错误/错误检测.
• 引入一种新的注意力机制和上抽样方法,以提高检测能力.

主要方法:

• 拟议的YOLO-DRS算法包含一个轻量级的多尺度注意模块 (LEC).
• 实施了转移卷积上抽样,作为最接近邻居插值的替代方案.
• 集成的LEC和转移的卷积,以改善多尺度特征融合,减少信息丢失.

主要成果:

• 与YOLOv5s相比,YOLO-DRS取得了显著的改进,精度为+2.3%,回忆率为+3.2%和mAP@0.5.5%的回忆率为+2.5%.
• 单独使用LEC模块和转移卷积,分别提高了mAP@0.5的2.2%和2.1%.
• 与YOLOv8s和YOLOv7-tiny相比,YOLO-DRS表现优越,mAP@0.5的改善率从1.8%到7.3%不等,同时GFLOPs只增加了0.2.

结论:

• YOLO-DRS有效地解决了远程传感目标检测中的错误和错误检测问题.
• 拟议的LEC模块和转移的卷积上抽样增强了该模型检测多个规模和小目标的能力.
• 在遥感中,YOLO-DRS为生物灵感物体检测提供了一个计算高效和高效的解决方案.