Swin-YOLOv5小目标检测网络

遥感mAP 74.7%

融合Swin Transformer全局上下文与多尺度特征融合，显著提升遥感图像中小目标的定位与识别精度。

曹选 · Zhang, Yanwei · Lang Song · 巩岩

Sensors 2023

参数信息

平均精度 (mAP)

74.7 %

mAP提升幅度

8.9 %

技术优势

小目标检测更准

引入坐标注意力机制，增强对小目标特征的提取能力，从而提升检测精度。

全局上下文建模

将Swin Transformer与CSPDarknet53结合，通过多头自注意力保留全局上下文信息，提取更具判别力的特征。

多尺度特征融合更高效

提出加权双向特征金字塔网络，实现有效的跨尺度特征融合，提升小目标检测性能。

应用场景

• 遥感目标检测：在卫星或航拍图像中精准发现小尺寸目标，如车辆、船舶等，替代人工目视解译。
• 无人机航拍：用于无人机航拍画面中的实时小目标检测，提升巡检与侦察效率。
• 低空遥感：处理低空遥感图像中尺度差异大的目标，提高小目标识别率。