.png){kind=icon}
返回
SCNet: A Lightweight and Efficient Object Detection Network for Remote Sensing
.png){kind=icon}
PRE
AI
DOI：10.1109/LGRS.2023.3344937.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在遥感图像中检测小物体是有意义的挑战，特别是当在硬件资源有限的边缘终端设备上部署现有的物体检测模型时。在这项研究中，我们提出了一种高效的遥感目标检测模型，名为SCNet，基于超轻量级 (你只看一次，YOLOv5n)。为了解决模型颈部内小物体的重大特征丢失问题，我们引入了选择性特征增强块 (SFEB)。SFEB选择性地处理对语义信息提取贡献更多的特征图的一部分，同时保留另一部分，使我们能够提取丰富的语义信息，同时保留小对象检测所需的关键细节信息。此外，我们在颈部和骨干交界处合并了上下文转换器块 (CTB)，通过探索浅层特征图中的上下文信息，增强了模型理解对象和背景之间的关系和边界的能力。这提高了模型检测具有挑战性的中小型对象的能力。NWPU VHR-10和DIOR数据集上的实验结果证明了该模型的性能，在IOU = 0.5时实现了96.6% 和72.6% 的平均平均精度 (地图)。该模型以487帧/秒的速度运行，批量大小为32 (FPS32)，仅需要每秒4.6千兆浮点运算 (GFLOPs) 和180万个参数。
Keyword:
Lightweight model
object detection
remote sensing
you only look once (YOLO)
期刊
IF:
16.4
论文数:
1.0W
被引数:
5.1K
机构
暂无机构信息
引用论文
Caw’s Walking State Recognition Based on Accelerometers and Gyroscopes Installed on Ear-Tags and Collar-Tags基于安装在耳标和项圈上的加速度计和陀螺仪的Caw步行状态识别
.png){kind=icon}
PREAI
分享收藏分享收藏YOLO-DA: An Efficient YOLO-Based Detector for Remote Sensing Object DetectionYolo-da: 一种高效的基于YOLO的遥感目标检测检测器
PREAI
分享收藏Immune Control of Equine Infectious Anemia Virus Infection by Cell-Mediated and Humoral Responses
OAAI
OAAI分享收藏SuperYOLO: Super Resolution Assisted Object Detection in Multimodal Remote Sensing ImagerySuperYOLO: 多模态遥感影像中的超分辨率辅助目标检测OAAI
OAAI分享收藏分享收藏
查看更多内容