Detecção de Alvos Aéreos em Imagens de Sensoriamento Remoto Baseada em YOLOv5 Aprimorado

Lidando com a precisão de detecção e velocidade insuficientes de alvos aéreos em imagens de sensoriamento remoto sob fundo complexo, este artigo propõe um novo método de detecção, YOLOv5-Aircraft, baseado na rede YOLOv5. O modelo YOLOv5-Aircraft é aprimorado de 3 maneiras: (1) No início e no final do módulo de normalização por lote original, calibrações de centralização e escalonamento são adicionadas para melhorar as características efetivas e formar uma distribuição de características mais estável, o que fortalece a capacidade de extração de características do modelo de rede. (2) A função de perda de entropia cruzada na confiança da função de perda original é aprimorada para a função de perda baseada na divergência de Kullback-Leibler suavizada. (3) Para reduzir a perda de informação, o módulo CSandGlass é projetado na rede de extração de características backbone do YOLOv5 para substituir o módulo residual. Enquanto isso, camadas de características de baixa resolução são eliminadas para reduzir a perda semântica. Resultados de experimentos demonstram que o modelo YOLOv5-Aircraft pode aumentar a precisão e a velocidade da detecção de alvos aéreos em imagens de sensoriamento remoto, enquanto atinge uma convergência mais fácil.