作者在两个公共遥感数据集VEDAI和AI-TOD以及自建的USOD数据集上验证了FFCA-YOLO的有效性。FFCA-YOLO在这些数据集上达到了0.748、0.617和0.909的mAP50精度,超过了多个基准模型和现有最佳方法。此外,L-FFCA-YOLO在保持准确性的同时,提供了更快的速度和更低的计算资源需求。 图6 FFCA-YOLO在USOD、VEDAI和AI-TOD中对...
FFCA-YOLO(Feature Enhancement, Fusion, and Context Aware YOLO)是一种专为遥感图像中的小目标检测设计的模型,它在YOLOv5的基础上进行了显著的改进,通过引入特征增强模块(FEM)、特征融合模块(FFM)和空间上下文感知模块(SCAM)来提高模型在检测小目标时的准确性和效率。以下是对FFCA-YOLO模型特点、应用场景、如何适应...
为了解决遥感小目标检测任务中特征表示不足、背景混淆等问题,本文基于YOLOV5框架进行改进,通过增加三个即插即用的模块:特征增强模块(FEM)、特征融合模块(FFM)和空间上下文感知模块(SCAM),显著增强了网络的局部感知能力、多尺度特征融合能力和跨通道、跨空间的全局关联能力,同时尽量避免增加复杂度。利用VEDAI和AI-TOD两...
文献阅读《FFCA-YOLO for Small Object Detection in Remote Sensing Images》 作者:Yin Zhang , Mu Ye , Guiyi Zhu , Yong Liu , Pengyu Guo , and Junhua Yan 单位:南京航空航天大学 期刊:IEEE GEOSCIENCE AN…
FFCA-YOLO在遥感图像小目标检测中的应用 相关领域 稳健性(进化) 目标检测 计算机科学 特征(语言学) 计算机视觉 背景(考古学) 人工智能 水准点(测量) 数据挖掘 模式识别(心理学) 生物 基因 哲学 古生物学 化学 地理 生物化学 语言学 大地测量学 网址 https://doi.org/10.1109/tgrs.2024.3363057 ...
FFCA-YOLO The corresponding paper title for this project is “FFCA-YOLO for Small Object Detection in Remote Sensing Images”. In the future, various data and codes in the paper will gradually be opened up. Train your net train.py --weights '' --cfg your yaml address --data data/AITOD...