基于UPCBAM-RYOLO V5的光学遥感舰船小目标检测

摘要

针对光学遥感数据中舰船小目标数量占比大，长宽比大且多个目标紧密排列难以检测的问题，提出一种基于YOLO V5(You Only Look Once V5)的光学遥感舰船小目标检测算法——UPCBAM-RYOLO V5(Upsampling Convolutional Attention Block Module-RYOLO V5)算法。该算法设计了一种上采样注意力机制模块，增强了网络对小尺寸目标特征提取能力，并在边框回归公式中引入旋转角度损失，提高了算法对舰船外观和方向的感知能力。基于GF1、GF2组成的舰船小目标数据集实验，结果表明，UPCBAM-RYOLO V5算法模型提升了舰船小目标检测的定位精度和分类精度，其中P、R、 MAP(Mean Average Precision)值分别达到93%、94%和95%,较传统YOLO V5模型分别提高3%、7%和7%。对网络中上采样注意力机制模块添加位置的消融实验结果表明，相较于在Backbone和Prediction处加入UPCBAM,在Neck处加入UPCBAM对遥感影像舰船小目标的检测影响最大，性能最优，P、R和MAP值分别提高了5%、4%和2%。从而验证了UPCBAM-RYOLO V5模型在光学遥感舰船小目标检测方面具有一定的研究意义。

关键词

光学遥感数据 / 舰船小目标 / UPCBAM-RYOLO V5算法 / 上采样注意力机制 / 旋转角度