改進YOLOv8的遙感圖像檢測算法

摘 要：針對目前遙感圖像目標檢測算法中存在的誤檢、漏檢和檢測精度低等問題，提出了一種改進ＹＯＬＯｖ８ 的遙感圖像檢測算法。在主干網絡中引入注意力機制ＥＭＡ 到Ｃ２ｆ 模塊，以提高模型對多尺度目標的特征提取能力；在頸部網絡中提出Ｓｌｉｍ-ＰＡＮ 結構，以減少模型計算量；使用ＷＩＯＵ 損失函數代替ＣＩＯＵ 損失函數，以提升模型的檢測精度。通過在ＤＩＯＲ 和ＲＳＯＤ 遙感數據集上的實驗結果表明，改進后的算法與原ＹＯＬＯｖ８ 算法相比，ｍＡＰ 分別提升了１． ５％ 和２． ３％ ，計算量降低了０． ３ ＧＦＬＯＰｓ，改進算法在不增加計算量的同時能提高檢測精度，證明了改進算法的有效性和先進性。

關鍵詞：遙感圖像；目標檢測；ＹＯＬＯｖ８；注意力機制

中圖分類號：ＴＰ３９１． ９ 文獻標志碼：Ａ 開放科學（資源服務）標識碼（ＯＳＩＤ）：

文章編號：１００３－３１０６（２０２４）０５－１１５５－０７

０ 引言

遙感圖像是指通過衛星、飛機或其他傳感器從遙遠地面獲取的圖像數據。伴隨著科技的不斷進步和應用需求的不斷增加，遙感圖像在精準農業、地質災害檢測、城市規劃和軍事國防等多個領域都起到了重要作用［１］。對于遙感圖像而言，這些圖像中的目標通常分布密集、尺度差異顯著，而且還會受光照、天氣和其他建筑的影響，檢測背景十分復雜，從而給檢測過程帶來一定的影響［２］。因此，降低誤檢率和漏檢率是此領域亟需解決的問題［３］。

目前，基于深度學習的目標檢測算法根據有無候選區域分為２ 類：一類是以Ｒ-ＣＮＮ 系列（Ｒ-ＣＮＮ［４］、Ｆａｓｔｅｒ Ｒ-ＣＮＮ［５］和Ｃａｓｃａｄｅ Ｒ-ＣＮＮ［６］）為代表的雙階段目標檢測算法；另一類是以ＹＯＬＯ［７］系列（ＹＯＬＯｖ３［８］、ＹＯＬＯｖ５ 和ＹＯＬＯｖ６［９］）、ＳＳＤ［１０］、Ｃａｓｃａｄｅ ｒｅｔｉｎａｎｅｔ［１１］和ＣｅｎｔｅｒＮｅｔ［１２］等為代表的單階段目標檢測算法。單階段目標檢測算法得到了更廣泛的應用是由于它具有更快的識別速度。國內外已有很多學者使用單階段目標檢測算法在遙感圖像檢測領域取得了顯著的成績，Ｈｏｕ 等［１３］將ＭＳ Ｔｒａｎｓ-ｆｏｒｍｅｒ 模塊與ＣＢＡＭ 注意力機制引入ＹＯＬＯｖ５ 中，形成新的Ｒ-ＹＯＬＯ 網絡，提高了對遙感目標的檢測精度。張上等［１４］設計了一種能重構特征提取與特征融合的ＬＵＳＳ-ＹＯＬＯ 網絡結構，使其能夠提高檢測精度。Ｗａｎ 等［１５］將多層特征金字塔、多檢測頭策略和混合注意力模塊放入到ＹＯＬＯｖ５ 中，形成新的ＹＯＬＯＨＲ 網絡，提高了對光學遙感目標的檢測精度。

雖然上述研究已經找到了有效的方法來提高遙感圖像檢測的準確性，但由于遙感圖像中目標尺度變化范圍大且分布密集，容易出現漏檢、誤檢等情況，并且對于目標的特征提取能力不足，導致檢測精度不高［１６］。針對上述問題，本文以ＹＯＬＯｖ８ｎ 作為基線網絡，進行了一系列改進和優化。首先，在主干特征提取網絡中將注意力機制ＥＭＡ［１７］引入到Ｃ２ｆ模塊中，構成Ｃ２ｆ＿ＥＭＡ 模塊，以提升網絡對遙感目標的注意力；其次，在特征融合網絡中提出了ＳｌｉｍＰＡＮ 結構，在保證準確性的前提下，降低了計算量；使用ＷＩＯＵ［１８］損失函數替換原網絡中的ＣＩＯＵ［１９］損失函數，以提高檢測框的定位能力；最后，在ＤＩＯＲ［２０］和ＲＳＯＤ［２１］公開數據集上進行實驗，結果表明改進后的算法對分布密集且尺寸差異明顯的遙感目標具有良好的檢測效果。

１ ＹＯＬＯｖ８ 算法

ＹＯＬＯｖ８ 模型是由Ｕｌｔｒａｌｙｔｉｃｓ 團隊在２０２３ 年１ 月提出，本文選擇以ＹＯＬＯｖ８ｎ 網絡模型為基本框架，其模型結構如圖１ 所示，主要包括輸入端、主干網絡、頸部網絡和頭部模塊。

輸入端：通過Ｍｏｓａｉｃ 數據增強對圖片進行隨機選擇、拼接和旋轉等操作，使模型能夠更好地適應真實世界的復雜場景，具有更好的魯棒性和泛化能力，進而提高模型在復雜背景下對目標的檢測能力。

主干網絡：主要由Ｃｏｎｖ 模塊、Ｃ２ｆ 模塊、ＳＰＰＦ模塊組成。通過Ｃｏｎｖ 模塊可以改變圖像的分辨率和通道數，實現更好的特征提取；Ｃ２ｆ 模塊的核心思想是通過結合全局語義信息和局部目標信息來更好地理解圖像，并使目標檢測器更關注有意義的區域；ＳＰＰＦ 模塊能在同尺度上對特征進行池化，以允許網絡在不同大小的輸入圖像上執行目標檢測，從而提高模型的感受野和魯棒性。

頸部網絡：用于將來自不同層次或不同尺度的特征圖進行融合，以提高模型在多尺度場景下的性能，這種融合機制可以提高模型的感受野，使得模型更適應于處理多尺度的輸入圖像，從而增強了模型的魯棒性和泛化能力。

頭部模塊：采用解耦頭結構，將分類和檢測頭分離，同時將錨框換成了無錨框，減少了設計復雜性，提高了位置精度和模型的泛化能力，使其變得更加靈活。

２ 改進ＹＯＬＯｖ８ｎ 算法

本文以ＹＯＬＯｖ８ｎ 為基線模型，使用Ｃ２ｆ＿ＥＭＡ模塊替換原始主干網絡中的部分Ｃ２ｆ 模塊，提出Ｓｌｉｍ-ＰＡＮ 結構替換原始頸部網絡中的ＰＡＮ 結構，最后采用ＷＩＯＵ 作為邊界框損失函數。改進后的網絡結構如圖２ 所示。

２． １ ＥＭＡ 模塊

ＥＭＡ 模塊是一種新的跨空間學習的高效多尺度注意力模塊，它能夠在保留每個通道上信息的同時將注意力放在感興趣的位置，其結構如圖３ 所示。

具體流程如下：首先，對于任何給定的輸入特征映射Ｘ，將跨通道維度方向Ｘ 劃分為Ｇ 個子特征，接下來利用２ 條１×１ 分支和一條３ ×３ 分支來提取分組特征圖的注意力權重描述符。在１×１ 分支中，通過２ 個一維全局平均池化操作對通道進行編碼，再連接２ 個編碼特征之后采用１×１ 卷積生成２ 個并行的一維特征編碼向量并分別送入Ｓｉｇｍｏｉｄ 函數中。然后通過簡單的乘法將每個組內的通道注意力圖合并，以實現不同通道之間的交互特征。在３×３ 分支中，采用３×３ 的卷積操作旨在捕獲局部不同通道的互動特征，從而擴大特征空間。其次，引入了２ 個張量。在１×１ 分支中，用二維全局平均池化進行全局空間信息編碼，注意在通道特征聯合激活機制前，將最小支路的輸出直接轉化為對應的維度形狀。隨后用自然非線性函數Ｓｏｆｔｍａｘ 來擬合以上的線性變換。通過將并行處理后的輸出與矩陣點積相乘，來獲得一個空間注意力圖。在３×３ 分支中，原理與１×１ 分支相同。最后，將每組內的輸出特征映射相加，從而生成２ 個空間注意力權重值的集合，隨后使用Ｓｉｇｍｏｉｄ 函數和簡單的乘法操作，使得ＥＭＡ 的最終輸出與Ｘ 的大小相同。

通過將ＥＭＡ 模塊引入到Ｃ２ｆ 中，使模型更加關注于目標區域位置信息，以提高對目標區域的檢測精度，其結構如圖４ 所示。Ｓｉｇｍｏｉｄ 函數和簡單的乘法操作，使得ＥＭＡ 的最終輸出與Ｘ 的大小相同。

通過將ＥＭＡ 模塊引入到Ｃ２ｆ 中，使模型更加關注于目標區域位置信息，以提高對目標區域的檢測精度，其結構如圖４ 所示。

２． ２ ＳｌｉｍＰＡＮ 結構

遙感圖像通常從無人機、飛機等輕量化設備中獲取，參數量和計算量較大的網絡模型在這些邊緣設備中難以應用，因此本文提出了一種由ＧＳＣｏｎｖ［２２］和ＶｏＶＧＳＣＳＰ［２２］構成的輕量化ＳｌｉｍＰＡＮ結構。

為了使深度可分離卷積的結果盡可能地近似標準卷積，標準卷積和深度可分離卷積可以聯合使用，將普通卷積、深度可分離卷積混合起來，得到ＧＳＣｏｎｖ，其結構如圖５ 所示。

具體操作如下：首先，將輸入的圖片進行標準卷積操作，得到通道數為ｃ２ ／ ２ 的特征圖Ａ，接著對特征圖Ａ 進行深度可分離卷積操作，得到通道數為ｃ２ ／ ２ 的特征圖Ｂ。然后將特征圖Ａ、Ｂ 進行連接，形成特征圖Ｃ。最后，將特征圖Ｃ 進行混洗操作，得到最后的輸出特征圖。從圖５ 可以看出，ＧＳＣｏｎｖ 的計算成本約為Ｃｏｎｖ 的一半，但對模型的貢獻與標準卷積相當。基于ＧＳＣｏｎｖ 設計了ＧＳｂｏｔｔｌｅｎｅｃｋ 模塊，并在此基礎上使用單階段聚合方法設計了跨階段局部網絡模塊ＶｏＶＧＳＣＳＰ，在降低了計算量和復雜度的同時保持了足夠的精度。其中，ＧＳ ｂｏｔｔｌｅｎｅｃｋ 的結構如圖６ 所示，ＶｏＶＧＳＣＳＰ 的結構如圖７ 所示。

２． ３ 損失函數

在原ＹＯＬＯｖ８ｎ 網絡中，計算預測框的坐標損失所采用的是ＣＩＯＵ 損失函數，其計算公式如下：

式中：ｗｇｔ、ｈｇｔ 表示真實框的寬和高，ｗ、ｈ 表示預測框的寬和高，ρ２（ｂ，ｂｇｔ ）表示預測框與真實框中心點之間的歐式距離，ＩｏＵ 表示真實框與預測框交并比，Ｃ表示預測框與真值框的最小外接矩陣的對角線長度，α 表示權重，ｖ 表示衡量長寬比一致性的參數。

雖然ＣＩＯＵ 在ＤＩＯＵ 的懲罰項基礎上添加了一個影響因子αν，但是，當影響因子中的ｖ ＝ ０ 時，此時長寬比的懲罰項為０，于是提出單調靜態聚焦機制，引入ＷＩＯＵ 損失函數。其計算公式如下：

式中：Ｗｇ、Ｈｇ 表示最小包圍框的寬和高，ｒ 表示梯度增益。

３ 實驗

３． １ 實驗環境及參數設置

實驗環境為６４ 位Ｗｉｎｄｏｗｓ １１ 操作系統下搭建的Ｐｙｔｏｒｃｈ ２． ０． １ 深度學習框架，Ｐｙｔｈｏｎ３． ８ 以及ＣＵ-ＤＡ １１． ７ 編程軟件。計算機ＣＰＵ 為ＡＭＤ Ｒｙｚｅｎ ９７９４５ＨＸ，ＧＰＵ 為ＮＶＩＤＩＡ ＧｅＦｏｒｃｅ ＲＴＸ ４０６０，顯存為８ ＧＢ，內存為１６ ＧＢ，訓練選用的ｂａｔｃｈ-ｓｉｚｅ 為８，ｅｐｏｃｈｓ 為２００。

３． ２ 數據集

為驗證算法的可行性，本文在ＤＩＯＲ 遙感數據集和ＲＳＯＤ 遙感數據集進行實驗。其中，ＤＩＯＲ 數據集是一個用于光學遙感圖像目標檢測的大規模基準數據集。該數據集包含２３ ４６３ 張圖像和１９２ ４７２ 個實例，涵蓋２０ 個對象類。ＲＳＯＤ 數據集是一個開放的、用于遙感圖像目標檢測的公開數據集，該數據集包含９４６ 張圖像和６ ９５０ 個實例，包括４ 個對象類。這４ 個對象類是飛機、操場、立交橋和油箱，其中由于操場圖像中包含４０ 張無標注圖像，本文只使用１４９ 張標注過的操場圖像。在實驗中，按照７ ∶ ２ ∶ １的比例隨機的將數據分成訓練集、驗證集和測試集，以進行實驗。

３． ３ 性能評價指標

實驗評價指標采用精密度（Ｐｒｅｃｉｓｉｏｎ，Ｐ）、回收率（Ｒｅｃａｌｌ，Ｒ）、平均測量精度（ｍＡＰ）、浮點運算次數（Ｇｉｇａ Ｆｌｏａｔｉｎｇ-ｐｏｉｎｔ Ｏｐｅｒａｔｉｏｎｓ Ｐｅｒ Ｓｅｃｏｎｄ，ＧＦＬＯＰｓ）對改進后的網絡進行評估。Ｐ、Ｒ、ｍＡＰ 計算如下：

式中：ＴＰ 表示模型預測為正向的正樣本，ＦＰ 表示模型預測為正向的負樣本，ＦＮ 表示模型預測為負向的正樣本，即漏檢數；ＡＰｉ 表示對數據集中的某一種類別求平均精度，ｋ 表示數據集中所有類別的數目。

３． ４ 消融實驗

為了分析每個模塊對原網絡的作用和有效性，通過設計４ 組消融實驗來分別評估使用Ｃ２ｆ＿ＥＭＡ模塊、Ｓｌｉｍ-ＰＡＮ 結構、ＷＩＯＵ 損失函數對ＹＯＬＯｖ８ｎ的改進效果，結果如表１ 所示。分析表１ 實驗數據可知，原ＹＯＬＯｖ８ｎ 的Ｐ、Ｒ、ｍＡＰ、ＧＦＬＯＰｓ 分別為８９％ 、７９． ３％ 、８５． ５％ 、８． ９。加入Ｃ２ｆ＿ＥＭＡ 模塊后，Ｒ 和ｍＡＰ 均有不同程度的提升，說明Ｃ２ｆ＿ＥＭＡ 模塊有助于更好地聚焦于網絡關注的地方，從而克制對無關的背景信息的關注。用ＳｌｉｍＰＡＮ 結構改進ＰＡＮ結構，減少了計算量的同時使得Ｐ 提高了０． ２％ ，Ｒ 提高了０． ８％ ，ｍＡＰ 提高了０． ８％ ，說明ＳｌｉｍＰＡＮ 結構能在實現輕量化的同時提高準確率、召回率和平均精度均值；用ＷＩＯＵ 損失函數替換ＣＩＯＵ 損失函數，Ｐ 下降了０． ８％ ，Ｒ 提高了１． ７％ ，ｍＡＰ 提高了１． ２％ ，說明ＷＩＯＵ 損失函數以降低準確率為代價大大提升了召回率和平均精度均值；同時添加Ｃ２ｆ＿ＥＭＡ 模塊、Ｓｌｉｍ-ＰＡＮ 結構以及ＷＩＯＵ 損失函數后，Ｐ 提高了０． ５％ ，Ｒ 提高了１． ２％ ，ｍＡＰ 提高了１． ５％ ，ＧＦＬＯＰｓ減少了０． ３，取得了最優改進。

３． ５ 對比實驗

為了證明所提模型的優勢，在其余所有條件都不變的前提下，利用ＤＩＯＲ 公開遙感數據集在ＹＯＬＯｖ３、ＹＯＬＯｖ５、ＹＯＬＯｖ６、ＹＯＬＯｖ８ｎ 以及改進的ＹＯＬＯｖ８ｎ 網絡進行了對比試驗，結果如表２ 所示。

從表２ 可以看出，ＹＯＬＯｖ８ｎ 網絡的Ｐ、Ｒ、ｍＡＰ指標要明顯優于其他經典ＹＯＬＯ 模型，而改進的ＹＯＬＯｖ８ｎ 網絡在計算量低于原ＹＯＬＯｖ８ｎ 網絡的前提下，其Ｐ、Ｒ、ｍＡＰ 均有不同程度的提升，既實現了網絡的輕量化又提升了對遙感圖像中目標的檢測精度，證明了本文改進方法的有效性。

為了充分反映本文方法的適用性，設置相同的訓練參數，將改進后的ＹＯＬＯｖ８ｎ 網絡在ＲＳＯＤ 數據集上進行實驗，結果如表３ 所示。

分析表３ 實驗數據可知，改進ＹＯＬＯｖ８ｎ 網絡的Ｐ 提高了０． ４％ ，Ｒ 提高了５． ３％ ，ｍＡＰ 提高了２． ３％ ，計算量ＧＦＬＯＰｓ 減少了０． ３，證明了本文改進方法的適用性。

本文對ＤＩＯＲ 數據集中檢測效果具有代表性的幾類場景進行改進前后檢測效果的可視化效果進行了展示，如圖８ 所示。其中，圖８ （ａ）１、圖８ （ａ）３、圖８（ｂ）１、圖８ （ｂ）３、圖８ （ｃ）１、圖８ （ｃ）３ 為原ＹＯＬＯｖ８ｎ 算法檢測效果圖，圖８ （ａ）２、圖８ （ａ）４、圖８（ｂ）２、圖８（ｂ）４、圖８（ｃ）２、圖８（ｃ）４ 為改進后的ＹＯＬＯｖ８ｎ 算法檢測效果圖。由圖８（ａ）１、圖８（ａ）２ 的檢測效果可知，在待檢測目標分布密集且尺度變化范圍大的情況下，改進后的算法有效地解決了對于紅框處海港的漏檢問題并且提升了對海港這種大目標的檢測精度。由圖８（ａ）３、圖８（ａ）４ 的檢測效果可知，在背景復雜且待檢測目標尺度變化范圍大的情況下，改進后的算法有效地解決了對于紅圈處車輛的漏檢。由圖８（ｂ）１、圖８（ｂ）２ 的檢測效果對比可知，在待檢測目標分布密集的情況下，原始ＹＯＬＯｖ８ｎ 算法錯誤地將房屋陰影處識別為車輛，而改進后的ＹＯＬＯｖ８ｎ 算法有效地解決了誤檢問題。由圖８（ｂ）３、圖８（ｂ）４ 的檢測效果對比可知，在待檢測目標分布密集且尺度變化范圍大的情況下，改進后的算法完美地解決了對于天橋這種大目標的誤檢。圖８（ｃ）１、圖８（ｃ）２、圖８（ｃ）３、圖８（ｃ）４ 的檢測結果表明，在背景復雜且目標尺度變化范圍大的情況下，改進后的算法相比原始ＹＯＬＯｖ８ｎ 算法檢測精度更高，檢測效果更好。總體上來說，改進后的算法既解決了目標被漏檢或誤檢的問題又提升了檢測精度，體現了該算法的有效性。

４ 結束語

針對復雜背景下遙感圖像目標分布密集、尺度變化范圍較大的檢測難題，將注意力機制ＥＭＡ 引入到主干網絡部分Ｃ２ｆ 模塊中，從而加強網絡在復雜背景下對目標的注意力；提出了Ｓｌｉｍ-ＰＡＮ 的結構，使不同尺度之間的特征相互融合，既實現了網絡的輕量化又提升了對遙感目標的檢測精度；使用ＷＩＯＵ 損失函數來替換原網絡中的ＣＩＯＵ 損失函數，解決了當預測框與真實框重合時懲罰項失靈的問題，提高了定位框的準確度。在ＤＩＯＲ 數據集和ＲＳＯＤ 數據集上進行實驗，改進后的ＹＯＬＯｖ８ｎ 網絡比原ＹＯＬＯｖ８ｎ 網絡的準確率、召回率、平均精度均值分別提高了０． ５％ 和０． ４％ 、１． ２％ 和５． ３％ 、１． ５％和２． ３％ ，且計算量ＧＦＬＯＰｓ 降低了０． ３，證明了改進算法既具有適用性又具有有效性。鑒于ＤＩＯＲ 數據集和ＲＳＯＤ 數據集主要包含白天或晴天的遙感圖像，晚上、霧天和雨天等惡劣天氣環境下的圖像很少，因此未來將在惡劣天氣下收集相關遙感圖像并加入ＤＩＯＲ 和ＲＳＯＤ 數據集中，以增強網絡在惡劣環境下的魯棒性和泛化性。

參考文獻

［１］ 李阿標，郭浩，戚暢，等． 復雜背景下遙感圖像密集目標檢測［Ｊ］． 計算機工程與應用，２０２３，５９（８）：２４７－２５３．

［２］ 余俊宇，劉孫俊，許桃． 融合注意力機制的ＹＯＬＯｖ７ 遙感小目標檢測算法研究［Ｊ］． 計算機工程與應用，２０２３，５９（２０）：１６７－１７５．

［３］ 付涵，范湘濤，嚴珍珍，等． 基于深度學習的遙感圖像目標檢測技術研究進展［Ｊ］． 遙感技術與應用，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］ 張上，張岳，王恒濤，等． 輕量化無人機遙感圖像小目標檢測算法［Ｊ］． 無線電工程，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］ 梁秀滿，賈梓涵，于海峰，等． 基于改進ＹＯＬＯｖ７ 的無人機圖像目標檢測算法［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．

作者簡介

程換新 男，（１９６６—），博士，教授，碩士生導師。主要研究方向：人工智能、先進控制、機器視覺。

矯立浩 男，（１９９９—），碩士研究生。主要研究方向：人工智能、深度學習、目標檢測。

（*通信作者）駱曉玲 女，（１９６６—），博士，教授，碩士生導師。主要研究方向：過程裝備自動化的優化設計。

于沙家 女，（１９８６—），碩士，講師。主要研究方向：人工智能、先進控制技術。

基金項目：國家自然科學基金（６２２７３１９２）