基于改进YOLOv8n的遥感图像目标检测算法

摘要

针对遥感图像中复杂背景噪声和检测目标之间存在较大尺寸差异，导致遥感图像目标检测极具挑战性的问题，提出一种基于改进YOLOv8n的遥感图像目标检测算法.首先，设计一种多尺度分组注意力机制，通过学习不同尺度的注意力权重，抑制背景噪声的干扰并融合多尺度信息；然后，提出一种辅助边框机制和边界框几何因素结合的定位回归损失函数，提高了回归损失计算的灵活性以及模型对目标形状和位置变化的适应能力，提升了边界框的定位效果；最后，引入轻量化卷积GSConv对特征融合层进行改进，提升了特征融合效果并使模型更加轻量化.在DIOR和HRRSD数据集上的实验结果表明，本文提出的方法能够显著提高遥感图像目标检测的精度，性能优于其他主流检测方法.

关键词

目标检测 / 遥感图像 / YOLOv8n / 注意力机制 / 回归损失函数

基金资助

国家自然科学基金资助项目(62262064,62266043,61966035); 新疆维吾尔自治区自然科学基金资助项目(2022D01C56)