改进YOLOv8的遥感图像检测算法

摘 要：针对目前遥感图像目标检测算法中存在的误检、漏检和检测精度低等问题，提出了一种改进ＹＯＬＯｖ８ 的遥感图像检测算法。在主干网络中引入注意力机制ＥＭＡ 到Ｃ２ｆ 模块，以提高模型对多尺度目标的特征提取能力；在颈部网络中提出Ｓｌｉｍ-ＰＡＮ 结构，以减少模型计算量；使用ＷＩＯＵ 损失函数代替ＣＩＯＵ 损失函数，以提升模型的检测精度。通过在ＤＩＯＲ 和ＲＳＯＤ 遥感数据集上的实验结果表明，改进后的算法与原ＹＯＬＯｖ８ 算法相比，ｍＡＰ 分别提升了１． ５％ 和２． ３％ ，计算量降低了０． ３ ＧＦＬＯＰｓ，改进算法在不增加计算量的同时能提高检测精度，证明了改进算法的有效性和先进性。

关键词：遥感图像；目标检测；ＹＯＬＯｖ８；注意力机制

中图分类号：ＴＰ３９１． ９ 文献标志码：Ａ 开放科学（资源服务）标识码（ＯＳＩＤ）：

文章编号：１００３－３１０６（２０２４）０５－１１５５－０７

０ 引言

遥感图像是指通过卫星、飞机或其他传感器从遥远地面获取的图像数据。伴随着科技的不断进步和应用需求的不断增加，遥感图像在精准农业、地质灾害检测、城市规划和军事国防等多个领域都起到了重要作用［１］。对于遥感图像而言，这些图像中的目标通常分布密集、尺度差异显著，而且还会受光照、天气和其他建筑的影响，检测背景十分复杂，从而给检测过程带来一定的影响［２］。因此，降低误检率和漏检率是此领域亟需解决的问题［３］。

目前，基于深度学习的目标检测算法根据有无候选区域分为２ 类：一类是以Ｒ-ＣＮＮ 系列（Ｒ-ＣＮＮ［４］、Ｆａｓｔｅｒ Ｒ-ＣＮＮ［５］和Ｃａｓｃａｄｅ Ｒ-ＣＮＮ［６］）为代表的双阶段目标检测算法；另一类是以ＹＯＬＯ［７］系列（ＹＯＬＯｖ３［８］、ＹＯＬＯｖ５ 和ＹＯＬＯｖ６［９］）、ＳＳＤ［１０］、Ｃａｓｃａｄｅ ｒｅｔｉｎａｎｅｔ［１１］和ＣｅｎｔｅｒＮｅｔ［１２］等为代表的单阶段目标检测算法。单阶段目标检测算法得到了更广泛的应用是由于它具有更快的识别速度。国内外已有很多学者使用单阶段目标检测算法在遥感图像检测领域取得了显著的成绩，Ｈｏｕ 等［１３］将ＭＳ Ｔｒａｎｓ-ｆｏｒｍｅｒ 模块与ＣＢＡＭ 注意力机制引入ＹＯＬＯｖ５ 中，形成新的Ｒ-ＹＯＬＯ 网络，提高了对遥感目标的检测精度。张上等［１４］设计了一种能重构特征提取与特征融合的ＬＵＳＳ-ＹＯＬＯ 网络结构，使其能够提高检测精度。Ｗａｎ 等［１５］将多层特征金字塔、多检测头策略和混合注意力模块放入到ＹＯＬＯｖ５ 中，形成新的ＹＯＬＯＨＲ 网络，提高了对光学遥感目标的检测精度。

虽然上述研究已经找到了有效的方法来提高遥感图像检测的准确性，但由于遥感图像中目标尺度变化范围大且分布密集，容易出现漏检、误检等情况，并且对于目标的特征提取能力不足，导致检测精度不高［１６］。针对上述问题，本文以ＹＯＬＯｖ８ｎ 作为基线网络，进行了一系列改进和优化。首先，在主干特征提取网络中将注意力机制ＥＭＡ［１７］引入到Ｃ２ｆ模块中，构成Ｃ２ｆ＿ＥＭＡ 模块，以提升网络对遥感目标的注意力；其次，在特征融合网络中提出了ＳｌｉｍＰＡＮ 结构，在保证准确性的前提下，降低了计算量；使用ＷＩＯＵ［１８］损失函数替换原网络中的ＣＩＯＵ［１９］损失函数，以提高检测框的定位能力；最后，在ＤＩＯＲ［２０］和ＲＳＯＤ［２１］公开数据集上进行实验，结果表明改进后的算法对分布密集且尺寸差异明显的遥感目标具有良好的检测效果。

１ ＹＯＬＯｖ８ 算法

ＹＯＬＯｖ８ 模型是由Ｕｌｔｒａｌｙｔｉｃｓ 团队在２０２３ 年１ 月提出，本文选择以ＹＯＬＯｖ８ｎ 网络模型为基本框架，其模型结构如图１ 所示，主要包括输入端、主干网络、颈部网络和头部模块。

输入端：通过Ｍｏｓａｉｃ 数据增强对图片进行随机选择、拼接和旋转等操作，使模型能够更好地适应真实世界的复杂场景，具有更好的鲁棒性和泛化能力，进而提高模型在复杂背景下对目标的检测能力。

主干网络：主要由Ｃｏｎｖ 模块、Ｃ２ｆ 模块、ＳＰＰＦ模块组成。通过Ｃｏｎｖ 模块可以改变图像的分辨率和通道数，实现更好的特征提取；Ｃ２ｆ 模块的核心思想是通过结合全局语义信息和局部目标信息来更好地理解图像，并使目标检测器更关注有意义的区域；ＳＰＰＦ 模块能在同尺度上对特征进行池化，以允许网络在不同大小的输入图像上执行目标检测，从而提高模型的感受野和鲁棒性。

颈部网络：用于将来自不同层次或不同尺度的特征图进行融合，以提高模型在多尺度场景下的性能，这种融合机制可以提高模型的感受野，使得模型更适应于处理多尺度的输入图像，从而增强了模型的鲁棒性和泛化能力。

头部模块：采用解耦头结构，将分类和检测头分离，同时将锚框换成了无锚框，减少了设计复杂性，提高了位置精度和模型的泛化能力，使其变得更加灵活。

２ 改进ＹＯＬＯｖ８ｎ 算法

本文以ＹＯＬＯｖ８ｎ 为基线模型，使用Ｃ２ｆ＿ＥＭＡ模块替换原始主干网络中的部分Ｃ２ｆ 模块，提出Ｓｌｉｍ-ＰＡＮ 结构替换原始颈部网络中的ＰＡＮ 结构，最后采用ＷＩＯＵ 作为边界框损失函数。改进后的网络结构如图２ 所示。

２． １ ＥＭＡ 模块

ＥＭＡ 模块是一种新的跨空间学习的高效多尺度注意力模块，它能够在保留每个通道上信息的同时将注意力放在感兴趣的位置，其结构如图３ 所示。

具体流程如下：首先，对于任何给定的输入特征映射Ｘ，将跨通道维度方向Ｘ 划分为Ｇ 个子特征，接下来利用２ 条１×１ 分支和一条３ ×３ 分支来提取分组特征图的注意力权重描述符。在１×１ 分支中，通过２ 个一维全局平均池化操作对通道进行编码，再连接２ 个编码特征之后采用１×１ 卷积生成２ 个并行的一维特征编码向量并分别送入Ｓｉｇｍｏｉｄ 函数中。然后通过简单的乘法将每个组内的通道注意力图合并，以实现不同通道之间的交互特征。在３×３ 分支中，采用３×３ 的卷积操作旨在捕获局部不同通道的互动特征，从而扩大特征空间。其次，引入了２ 个张量。在１×１ 分支中，用二维全局平均池化进行全局空间信息编码，注意在通道特征联合激活机制前，将最小支路的输出直接转化为对应的维度形状。随后用自然非线性函数Ｓｏｆｔｍａｘ 来拟合以上的线性变换。通过将并行处理后的输出与矩阵点积相乘，来获得一个空间注意力图。在３×３ 分支中，原理与１×１ 分支相同。最后，将每组内的输出特征映射相加，从而生成２ 个空间注意力权重值的集合，随后使用Ｓｉｇｍｏｉｄ 函数和简单的乘法操作，使得ＥＭＡ 的最终输出与Ｘ 的大小相同。

通过将ＥＭＡ 模块引入到Ｃ２ｆ 中，使模型更加关注于目标区域位置信息，以提高对目标区域的检测精度，其结构如图４ 所示。Ｓｉｇｍｏｉｄ 函数和简单的乘法操作，使得ＥＭＡ 的最终输出与Ｘ 的大小相同。

通过将ＥＭＡ 模块引入到Ｃ２ｆ 中，使模型更加关注于目标区域位置信息，以提高对目标区域的检测精度，其结构如图４ 所示。

２． ２ ＳｌｉｍＰＡＮ 结构

遥感图像通常从无人机、飞机等轻量化设备中获取，参数量和计算量较大的网络模型在这些边缘设备中难以应用，因此本文提出了一种由ＧＳＣｏｎｖ［２２］和ＶｏＶＧＳＣＳＰ［２２］构成的轻量化ＳｌｉｍＰＡＮ结构。

为了使深度可分离卷积的结果尽可能地近似标准卷积，标准卷积和深度可分离卷积可以联合使用，将普通卷积、深度可分离卷积混合起来，得到ＧＳＣｏｎｖ，其结构如图５ 所示。

具体操作如下：首先，将输入的图片进行标准卷积操作，得到通道数为ｃ２ ／ ２ 的特征图Ａ，接着对特征图Ａ 进行深度可分离卷积操作，得到通道数为ｃ２ ／ ２ 的特征图Ｂ。然后将特征图Ａ、Ｂ 进行连接，形成特征图Ｃ。最后，将特征图Ｃ 进行混洗操作，得到最后的输出特征图。从图５ 可以看出，ＧＳＣｏｎｖ 的计算成本约为Ｃｏｎｖ 的一半，但对模型的贡献与标准卷积相当。基于ＧＳＣｏｎｖ 设计了ＧＳｂｏｔｔｌｅｎｅｃｋ 模块，并在此基础上使用单阶段聚合方法设计了跨阶段局部网络模块ＶｏＶＧＳＣＳＰ，在降低了计算量和复杂度的同时保持了足够的精度。其中，ＧＳ ｂｏｔｔｌｅｎｅｃｋ 的结构如图６ 所示，ＶｏＶＧＳＣＳＰ 的结构如图７ 所示。

２． ３ 损失函数

在原ＹＯＬＯｖ８ｎ 网络中，计算预测框的坐标损失所采用的是ＣＩＯＵ 损失函数，其计算公式如下：

式中：ｗｇｔ、ｈｇｔ 表示真实框的宽和高，ｗ、ｈ 表示预测框的宽和高，ρ２（ｂ，ｂｇｔ ）表示预测框与真实框中心点之间的欧式距离，ＩｏＵ 表示真实框与预测框交并比，Ｃ表示预测框与真值框的最小外接矩阵的对角线长度，α 表示权重，ｖ 表示衡量长宽比一致性的参数。

虽然ＣＩＯＵ 在ＤＩＯＵ 的惩罚项基础上添加了一个影响因子αν，但是，当影响因子中的ｖ ＝ ０ 时，此时长宽比的惩罚项为０，于是提出单调静态聚焦机制，引入ＷＩＯＵ 损失函数。其计算公式如下：

式中：Ｗｇ、Ｈｇ 表示最小包围框的宽和高，ｒ 表示梯度增益。

３ 实验

３． １ 实验环境及参数设置

实验环境为６４ 位Ｗｉｎｄｏｗｓ １１ 操作系统下搭建的Ｐｙｔｏｒｃｈ ２． ０． １ 深度学习框架，Ｐｙｔｈｏｎ３． ８ 以及ＣＵ-ＤＡ １１． ７ 编程软件。计算机ＣＰＵ 为ＡＭＤ Ｒｙｚｅｎ ９７９４５ＨＸ，ＧＰＵ 为ＮＶＩＤＩＡ ＧｅＦｏｒｃｅ ＲＴＸ ４０６０，显存为８ ＧＢ，内存为１６ ＧＢ，训练选用的ｂａｔｃｈ-ｓｉｚｅ 为８，ｅｐｏｃｈｓ 为２００。

３． ２ 数据集

为验证算法的可行性，本文在ＤＩＯＲ 遥感数据集和ＲＳＯＤ 遥感数据集进行实验。其中，ＤＩＯＲ 数据集是一个用于光学遥感图像目标检测的大规模基准数据集。该数据集包含２３ ４６３ 张图像和１９２ ４７２ 个实例，涵盖２０ 个对象类。ＲＳＯＤ 数据集是一个开放的、用于遥感图像目标检测的公开数据集，该数据集包含９４６ 张图像和６ ９５０ 个实例，包括４ 个对象类。这４ 个对象类是飞机、操场、立交桥和油箱，其中由于操场图像中包含４０ 张无标注图像，本文只使用１４９ 张标注过的操场图像。在实验中，按照７ ∶ ２ ∶ １的比例随机的将数据分成训练集、验证集和测试集，以进行实验。

３． ３ 性能评价指标

实验评价指标采用精密度（Ｐｒｅｃｉｓｉｏｎ，Ｐ）、回收率（Ｒｅｃａｌｌ，Ｒ）、平均测量精度（ｍＡＰ）、浮点运算次数（Ｇｉｇａ Ｆｌｏａｔｉｎｇ-ｐｏｉｎｔ Ｏｐｅｒａｔｉｏｎｓ Ｐｅｒ Ｓｅｃｏｎｄ，ＧＦＬＯＰｓ）对改进后的网络进行评估。Ｐ、Ｒ、ｍＡＰ 计算如下：

式中：ＴＰ 表示模型预测为正向的正样本，ＦＰ 表示模型预测为正向的负样本，ＦＮ 表示模型预测为负向的正样本，即漏检数；ＡＰｉ 表示对数据集中的某一种类别求平均精度，ｋ 表示数据集中所有类别的数目。

３． ４ 消融实验

为了分析每个模块对原网络的作用和有效性，通过设计４ 组消融实验来分别评估使用Ｃ２ｆ＿ＥＭＡ模块、Ｓｌｉｍ-ＰＡＮ 结构、ＷＩＯＵ 损失函数对ＹＯＬＯｖ８ｎ的改进效果，结果如表１ 所示。分析表１ 实验数据可知，原ＹＯＬＯｖ８ｎ 的Ｐ、Ｒ、ｍＡＰ、ＧＦＬＯＰｓ 分别为８９％ 、７９． ３％ 、８５． ５％ 、８． ９。加入Ｃ２ｆ＿ＥＭＡ 模块后，Ｒ 和ｍＡＰ 均有不同程度的提升，说明Ｃ２ｆ＿ＥＭＡ 模块有助于更好地聚焦于网络关注的地方，从而克制对无关的背景信息的关注。用ＳｌｉｍＰＡＮ 结构改进ＰＡＮ结构，减少了计算量的同时使得Ｐ 提高了０． ２％ ，Ｒ 提高了０． ８％ ，ｍＡＰ 提高了０． ８％ ，说明ＳｌｉｍＰＡＮ 结构能在实现轻量化的同时提高准确率、召回率和平均精度均值；用ＷＩＯＵ 损失函数替换ＣＩＯＵ 损失函数，Ｐ 下降了０． ８％ ，Ｒ 提高了１． ７％ ，ｍＡＰ 提高了１． ２％ ，说明ＷＩＯＵ 损失函数以降低准确率为代价大大提升了召回率和平均精度均值；同时添加Ｃ２ｆ＿ＥＭＡ 模块、Ｓｌｉｍ-ＰＡＮ 结构以及ＷＩＯＵ 损失函数后，Ｐ 提高了０． ５％ ，Ｒ 提高了１． ２％ ，ｍＡＰ 提高了１． ５％ ，ＧＦＬＯＰｓ减少了０． ３，取得了最优改进。

３． ５ 对比实验

为了证明所提模型的优势，在其余所有条件都不变的前提下，利用ＤＩＯＲ 公开遥感数据集在ＹＯＬＯｖ３、ＹＯＬＯｖ５、ＹＯＬＯｖ６、ＹＯＬＯｖ８ｎ 以及改进的ＹＯＬＯｖ８ｎ 网络进行了对比试验，结果如表２ 所示。

从表２ 可以看出，ＹＯＬＯｖ８ｎ 网络的Ｐ、Ｒ、ｍＡＰ指标要明显优于其他经典ＹＯＬＯ 模型，而改进的ＹＯＬＯｖ８ｎ 网络在计算量低于原ＹＯＬＯｖ８ｎ 网络的前提下，其Ｐ、Ｒ、ｍＡＰ 均有不同程度的提升，既实现了网络的轻量化又提升了对遥感图像中目标的检测精度，证明了本文改进方法的有效性。

为了充分反映本文方法的适用性，设置相同的训练参数，将改进后的ＹＯＬＯｖ８ｎ 网络在ＲＳＯＤ 数据集上进行实验，结果如表３ 所示。

分析表３ 实验数据可知，改进ＹＯＬＯｖ８ｎ 网络的Ｐ 提高了０． ４％ ，Ｒ 提高了５． ３％ ，ｍＡＰ 提高了２． ３％ ，计算量ＧＦＬＯＰｓ 减少了０． ３，证明了本文改进方法的适用性。

本文对ＤＩＯＲ 数据集中检测效果具有代表性的几类场景进行改进前后检测效果的可视化效果进行了展示，如图８ 所示。其中，图８ （ａ）１、图８ （ａ）３、图８（ｂ）１、图８ （ｂ）３、图８ （ｃ）１、图８ （ｃ）３ 为原ＹＯＬＯｖ８ｎ 算法检测效果图，图８ （ａ）２、图８ （ａ）４、图８（ｂ）２、图８（ｂ）４、图８（ｃ）２、图８（ｃ）４ 为改进后的ＹＯＬＯｖ８ｎ 算法检测效果图。由图８（ａ）１、图８（ａ）２ 的检测效果可知，在待检测目标分布密集且尺度变化范围大的情况下，改进后的算法有效地解决了对于红框处海港的漏检问题并且提升了对海港这种大目标的检测精度。由图８（ａ）３、图８（ａ）４ 的检测效果可知，在背景复杂且待检测目标尺度变化范围大的情况下，改进后的算法有效地解决了对于红圈处车辆的漏检。由图８（ｂ）１、图８（ｂ）２ 的检测效果对比可知，在待检测目标分布密集的情况下，原始ＹＯＬＯｖ８ｎ 算法错误地将房屋阴影处识别为车辆，而改进后的ＹＯＬＯｖ８ｎ 算法有效地解决了误检问题。由图８（ｂ）３、图８（ｂ）４ 的检测效果对比可知，在待检测目标分布密集且尺度变化范围大的情况下，改进后的算法完美地解决了对于天桥这种大目标的误检。图８（ｃ）１、图８（ｃ）２、图８（ｃ）３、图８（ｃ）４ 的检测结果表明，在背景复杂且目标尺度变化范围大的情况下，改进后的算法相比原始ＹＯＬＯｖ８ｎ 算法检测精度更高，检测效果更好。总体上来说，改进后的算法既解决了目标被漏检或误检的问题又提升了检测精度，体现了该算法的有效性。

４ 结束语

针对复杂背景下遥感图像目标分布密集、尺度变化范围较大的检测难题，将注意力机制ＥＭＡ 引入到主干网络部分Ｃ２ｆ 模块中，从而加强网络在复杂背景下对目标的注意力；提出了Ｓｌｉｍ-ＰＡＮ 的结构，使不同尺度之间的特征相互融合，既实现了网络的轻量化又提升了对遥感目标的检测精度；使用ＷＩＯＵ 损失函数来替换原网络中的ＣＩＯＵ 损失函数，解决了当预测框与真实框重合时惩罚项失灵的问题，提高了定位框的准确度。在ＤＩＯＲ 数据集和ＲＳＯＤ 数据集上进行实验，改进后的ＹＯＬＯｖ８ｎ 网络比原ＹＯＬＯｖ８ｎ 网络的准确率、召回率、平均精度均值分别提高了０． ５％ 和０． ４％ 、１． ２％ 和５． ３％ 、１． ５％和２． ３％ ，且计算量ＧＦＬＯＰｓ 降低了０． ３，证明了改进算法既具有适用性又具有有效性。鉴于ＤＩＯＲ 数据集和ＲＳＯＤ 数据集主要包含白天或晴天的遥感图像，晚上、雾天和雨天等恶劣天气环境下的图像很少，因此未来将在恶劣天气下收集相关遥感图像并加入ＤＩＯＲ 和ＲＳＯＤ 数据集中，以增强网络在恶劣环境下的鲁棒性和泛化性。

参考文献

［１］ 李阿标，郭浩，戚畅，等． 复杂背景下遥感图像密集目标检测［Ｊ］． 计算机工程与应用，２０２３，５９（８）：２４７－２５３．

［２］ 余俊宇，刘孙俊，许桃． 融合注意力机制的ＹＯＬＯｖ７ 遥感小目标检测算法研究［Ｊ］． 计算机工程与应用，２０２３，５９（２０）：１６７－１７５．

［３］ 付涵，范湘涛，严珍珍，等． 基于深度学习的遥感图像目标检测技术研究进展［Ｊ］． 遥感技术与应用，２０２２，３７（２）：２９０－３０５．

［４］ ＧＩＲＳＨＩＣＫ Ｒ，ＤＯＮＡＨＵＥ Ｊ，ＤＡＲＲＥＬＬ Ｔ，ｅｔ ａｌ． Ｒｉｃｈ Ｆｅａｔｕｒｅ Ｈｉｅｒａｒｃｈｉｅｓ ｆｏｒ Ａｃｃｕｒａｔｅ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｓｅ-ｍａｎｔｉｃ Ｓｅｇｍｅｎｔａｔｉｏｎ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２０１４ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ．Ｃｏｌｕｍｂｕｓ：ＩＥＥＥ，２０１４：５８０－５８７．

［５］ ＧＩＲＳＨＩＣＫ Ｒ． Ｆａｓｔ ＲＣＮＮ ［Ｃ ］∥ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ． Ｓａｎｔｉａｇｏ：ＩＥＥＥ，２０１５：１４４０－１４４８．

［６］ ＣＡＩ Ｚ Ｗ，ＶＡＳＣＯＮＣＥＬＯＳ Ｎ． Ｃａｓｃａｄｅ ＲＣＮＮ：Ｄｅｌｖｉｎｇｉｎｔｏ Ｈｉｇｈ Ｑｕａｌｉｔｙ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ［Ｃ］∥ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆｔｈｅ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ． Ｓａｌｔ Ｌａｋｅ Ｃｉｔｙ：ＩＥＥＥ，２０１８：６１５４－６１６２．

［７］ ＲＥＤＭＯＮ Ｊ，ＤＩＶＶＡＬＡ Ｓ，ＧＩＲＳＨＩＣＫ Ｒ，ｅｔ ａｌ． Ｙｏｕ ＯｎｌｙＬｏｏｋ Ｏｎｃｅ：Ｕｎｉｆｉｅｄ，Ｒｅａｌｔｉｍｅ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ［Ｃ］∥Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ （ＣＶＰＲ ）． Ｌａｓ Ｖｅｇａｓ：ＩＥＥＥ，２０１６：７７９－７８８．

［８］ ＲＥＤＭＯＮ Ｊ，ＦＡＲＨＡＤＩ Ａ． ＹＯＬＯｖ３：Ａｎ Ｉｎｃｒｅｍｅｎｔａｌ Ｉｍｐｒｏｖｅｍｅｎｔ［ＥＢ ／ ＯＬ］． （２０１８ － ０４ － ０８）［２０２３ － ０９ － ０４］．ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ １８０４． ０２７６７．

［９］ ＬＩ Ｃ Ｙ，ＬＩ Ｌ Ｌ，ＪＩＡＮＧ Ｈ Ｌ，ｅｔ ａｌ． ＹＯＬＯｖ６：Ａ Ｓｉｎｇｌｅｓｔａｇｅ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ Ｆｒａｍｅｗｏｒｋ ｆｏｒ Ｉｎｄｕｓｔｒｉａｌ Ａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］． （２０２２ － ０９ － ０７ ）［２０２３ － １２ － ０４ ］． ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ ２２０９． ０２９７６．

［１０］ ＬＩＵ Ｗ，ＡＮＧＵＥＬＯＶ Ｄ，ＥＲＨＡＮ Ｄ，ｅｔ ａｌ． ＳＳＤ：Ｓｉｎｇｌｅ ＳｈｏｔＭｕｌｔｉｂｏｘ Ｄｅｔｅｃｔｏｒ［Ｃ］∥Ｃｏｍｐｕｔｅｒ ＶｉｓｉｏｎＥＣＣＶ ２０１６：１４ｔｈＥｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅ． Ａｍｓｔｅｒｄａｍ：ＥＣＣＶ，２０１６：２１－３７．

［１１］ ＺＨＡＮＧ Ｈ Ｋ，ＣＨＡＮＧ Ｈ，ＭＡ Ｂ Ｐ，ｅｔ ａｌ． Ｃａｓｃａｄｅ Ｒｅｔｉｎａｎｅｔ：Ｍａｉｎｔａｉｎｉｎｇ Ｃｏｎｓｉｓｔｅｎｃｙ ｆｏｒ Ｓｉｎｇｌｅｓｔａｇｅ ＯｂｊｅｃｔＤｅｔｅｃｔｉｏｎ［Ｊ］． （２０１９－０７－１６）［２０２３ －０９ －０４］． ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ １９０７． ０６８８１．

［１２］ ＤＵＡＮ Ｋ Ｗ，ＢＡＩ Ｓ，ＸＩＥ Ｌ Ｘ，ｅｔ ａｌ． Ｃｅｎｔｅｒｎｅｔ：ＫｅｙｐｏｉｎｔＴｒｉｐｌｅｔｓ ｆｏｒ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ［Ｃ］∥ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅＩＥＥＥ ／ ＣＶＦ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ．Ｓｅｏｕｌ：ＩＥＥＥ，２０１９：６５６８－６５７７．

［１３］ ＨＯＵ Ｙ Ｊ，ＳＨＩ Ｇ，ＺＨＡＯ Ｙ Ｘ，ｅｔ ａｌ． ＲＹＯＬＯ：Ａ ＹＯＬＯｂａｓｅｄ Ｍｅｔｈｏｄ ｆｏｒ Ａｒｂｉｔｒａｒｙｏｒｉｅｎｔｅｄ Ｔａｒｇｅｔ Ｄｅｔｅｃｔｉｏｎ ｉｎＨｉｇｈｒｅｓｏｌｕｔｉｏｎ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｍａｇｅｓ ［Ｊ ］． Ｓｅｎｓｏｒｓ，２０２２，２２（１５）：５７１６．

［１４］ 张上，张岳，王恒涛，等． 轻量化无人机遥感图像小目标检测算法［Ｊ］． 无线电工程，２０２３，５３（１０）：２３２９－２３３６．

［１５］ ＷＡＮ Ｄ Ｈ，ＬＵ Ｒ Ｓ，ＷＡＮＧ Ｓ Ｌ，ｅｔ ａｌ． ＹＯＬＯＨＲ：Ｉｍｐｒｏｖｅｄ ＹＯＬＯｖ５ ｆｏｒ Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ｉｎ ＨｉｇｈｒｅｓｏｌｕｔｉｏｎＯｐｔｉｃａｌ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｍａｇｅｓ ［Ｊ ］． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，２０２３，１５（３）：６１４．

［１６］ 梁秀满，贾梓涵，于海峰，等． 基于改进ＹＯＬＯｖ７ 的无人机图像目标检测算法［Ｊ ／ ＯＬ］． （２０２３ －１０ －１７）［２０２３ －１２ － ０４ ］． ｈｔｔｐ：∥ ｋｎｓ． ｃｎｋｉ． ｎｅｔ ／ ｋｃｍｓ ／ ｄｅｔａｉｌ ／ １３． １０９７．ＴＮ． ２０２３１０１３． １８０４． ０１０． ｈｔｍｌ．

［１７］ ＯＵＹＡＮＧ Ｄ Ｌ，ＨＥ Ｓ，ＺＨＡＮＧ Ｇ Ｚ，ｅｔ ａｌ． Ｅｆｆｉｃｉｅｎｔ Ｍｕｌｔｉｓｃａｌｅ Ａｔｔｅｎｔｉｏｎ Ｍｏｄｕｌｅ ｗｉｔｈ Ｃｒｏｓｓｓｐａｔｉａｌ Ｌｅａｒｎｉｎｇ［Ｃ］∥ＩＣＡＳＳＰ ２０２３ － ２０２３ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎＡｃｏｕｓｔｉｃｓ，Ｓｐｅｅｃｈ ａｎｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ （ＩＣＡＳＳＰ ）．Ｒｈｏｄｅｓ Ｉｓｌａｎｄ：ＩＥＥＥ，２０２３：１－５．

［１８］ ＴＯＮＧ Ｚ Ｊ，ＣＨＥＮ Ｙ Ｈ，ＸＵ Ｚ Ｗ，ｅｔ ａｌ． ＷｉｓｅＩｏＵ：Ｂｏｕｎｄｉｎｇ Ｂｏｘ Ｒｅｇｒｅｓｓｉｏｎ Ｌｏｓｓ ｗｉｔｈ Ｄｙｎａｍｉｃ ＦｏｃｕｓｉｎｇＭｅｃｈａｎｉｓｍ［ＥＢ ／ ＯＬ］． （２０２３ －０１ －２４）［２０２３ －１２ －０４］．ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ ２３０１． １００５１．

［１９］ ＺＨＥＮＧ Ｚ Ｈ，ＷＡＮＧ Ｐ，ＲＥＮ Ｄ Ｗ，ｅｔ ａｌ． Ｅｎｈａｎｃｉｎｇ Ｇｅｏｍｅｔｒｉｃ Ｆａｃｔｏｒｓ ｉｎ Ｍｏｄｅｌ Ｌｅａｒｎｉｎｇ ａｎｄ Ｉｎｆｅｒｅｎｃｅ ｆｏｒ ＯｂｊｅｃｔＤｅｔｅｃｔｉｏｎ ａｎｄ Ｉｎｓｔａｎｃｅ Ｓｅｇｍｅｎｔａｔｉｏｎ ［Ｊ ］． ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｃｙｂｅｒｎｅｔｉｃｓ，２０２１，５２（８）：８５７４－８５８６．

［２０］ ＬＩ Ｋ，ＷＡＮ Ｇ，ＣＨＥＮＧ Ｇ，ｅｔ ａｌ． Ｏｂｊｅｃｔ Ｄｅｔｅｃｔｉｏｎ ｉｎＯｐｔｉｃａｌ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｍａｇｅｓ：Ａ Ｓｕｒｖｅｙ ａｎｄ ａ ＮｅｗＢｅｎｃｈｍａｒｋ［Ｊ］． ＩＳＰＲＳ Ｊｏｕｒｎａｌ ｏｆ Ｐｈｏｔｏｇｒａｍｍｅｔｒｙ ａｎｄＲｅｍｏｔｅ Ｓｅｎｓｉｎｇ，２０２０，１５９：２９６－３０７．［２１］ ＬＯＮＧ Ｙ，ＧＯＮＧ Ｙ Ｐ，ＸＩＡＯ Ｚ Ｆ，ｅｔ ａｌ． 。Ａｃｃｕｒａｔｅ ＯｂｊｅｃｔＬｏｃａｌｉｚａｔｉｏｎ ｉｎ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ Ｉｍａｇｅｓ Ｂａｓｅｄ ｏｎ Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｇｅｏｓｃｉｅｎｃｅ ａｎｄ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，２０１７，５５（５）：２４８６－２４９８．

［２２］ ＬＩ Ｈ Ｌ，ＬＩ Ｊ，ＷＥＩ Ｈ Ｂ，ｅｔ ａｌ． Ｓｌｉｍｎｅｃｋ ｂｙ ＧＳＣｏｎｖ：ＡＢｅｔｔｅｒ Ｄｅｓｉｇｎ Ｐａｒａｄｉｇｍ ｏｆ Ｄｅｔｅｃｔｏｒ Ａｒｃｈｉｔｅｃｔｕｒｅｓ ｆｏｒ Ａｕｔｏｎｏｍｏｕｓ Ｖｅｈｉｃｌｅｓ［ＥＢ ／ ＯＬＪ］． （２０２２ － ０８ － １７）［２０２３ －１２－０４］． ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ ／ ａｂｓ ／ ２２０６． ０２４２４．

作者简介

程换新 男，（１９６６—），博士，教授，硕士生导师。主要研究方向：人工智能、先进控制、机器视觉。

矫立浩 男，（１９９９—），硕士研究生。主要研究方向：人工智能、深度学习、目标检测。

（*通信作者）骆晓玲 女，（１９６６—），博士，教授，硕士生导师。主要研究方向：过程装备自动化的优化设计。

于沙家 女，（１９８６—），硕士，讲师。主要研究方向：人工智能、先进控制技术。

基金项目：国家自然科学基金（６２２７３１９２）