沈阳理工大学 黄海新 唐学多

随着遥感影像获取技术的不断发展，遥感飞机的机型及位置检测成为检测重点。然而，由于其复杂的背景，不同的空间分辨率，姿态和光照变化复杂，导致检测精度不高。此外，本研究中遥感飞机的类内和类间方差都较大，给机型的识别增加了难度。为了提高算法对遥感影像目标的检测精度，本文提出一种基于YOLv4和Triple Loss的目标检测算法，首先运用Sobel算子和Mosaic对数据集扩充和增强；其次，用Triple Loss代替原有的分类损失函数来提高分类精度，最后通过实验验证本算法的有效性和准确性。结果表明本算法在MTARSI数据集上检测率mAP达到90.07%，与其他先进的机型识别算法对比，本文算法有效提升了遥感飞机的检测准确率。

随着遥感技术的不断发展，遥感影像已经成为一种重要的数据来源。飞机不仅是军事领域的战略目标，也是民用领域的重要运输工具，因此，飞机的机型识别和检测在及时分析战场态势和制定军事决策方面起着重要作用。但是由于遥感影像高分辨率的获取，单张图片中包含的信息也越来越多，依靠现有的自动解释的分类方法已经难以适应实际需要。而且，尽管飞机的功能和用途有着明显区别，但是却具有极其相似的外观，遥感影像具有的背景复杂，小目标、多尺度等特点也增加了检测难度，因此，快速、准确的识别飞机类型仍然具有很大的挑战。YOLOv4的出现使目标检测任务出现了一个飞跃，实现了速度和精度的完美提升，为了保证检测精度和实时性，本文采用YOLOv4作为检测网络结构。……