改进YOLOv3遥感小目标检测算法的优化方法

针对YOLOv3算法在遥感目标检测中对小目标物体的特征表达不足和检测效果不理想的问题，本文提出了一种优化方法。首先，通过引入全局信息注意力机制和改进特征提取网络和特征金字塔结构，提升模型对小目标特征的提取能力和检测能力。其次，基于数据集进行单尺度Retinex融合特征增强，以提高模型对小目标特征的学习效果。最后，采用自适应锚框优化算法对anchors进行优化，增加与目标的匹配程度。实验结果表明，本文算法在遥感数据集RSOD上的全类平均精度达到92.5%，相较于经典YOLOv3算法提升了10.1%，显著提高了对遥感小目标的检测效果。