基于改进EAF-YOLO的轻量化遥感图像检测

摘要

针对遥感图像目标检测模型难以在无人机、卫星以及移动设备等低算力场景下部署的问题，提出一种轻量化遥感图像检测方法EAF-YOLO。模型以YOLOv7框架为基础，采用EfficientNet特征提取网络作为轻量级骨干网络，降低模型参数；在框架头部设计串行结构的空间金字塔池化层，提升内部尺度交换能力，增强对特征信息的聚合能力；采用WIoU损失函数作为回归损失，自适应地调整难易样本的权重，提高模型的检测性能。以遥感数据集DIOR进行实验，EAF-YOLO模型检测精确率达到了90.3%,参数量为9.3×10～6,表明训练后的模型较YOLOv7具有较小的参数量，适用于遥感图像计算资源有限的场景。

关键词

遥感图像检测 / 轻量化 / YOLOv7 / EfficientNet / 尺度交换