改进YOLOv3算法的遥感图像道路交叉口自动识别

针对道路交叉口目标较小、存在较多的植被遮挡、邻近地物颜色相近等问题，文章提出了一种改进的YOLOv3高分影像道路交叉口目标检测算法—CSC-YOLOv3。该方法首先使用CIOU损失函数改进原来YOLOv3的目标定位损失，降低目标漏检率；其次，通过在YOLOv3的主干特征提取网络后添加空间金字塔池化模块，增大网络的有效感受野；最后，在YOLOv3网络的三个特征层结构以及两个上采样结构中引入注意力机制模块，提升网络检测精确度。在自制的道路交叉口数据集上对算法进行了实验验证，结果表明，CSC-YOLOv3算法的精确率、召回率、平均精确率和F1分数分别达到了86.05%、70.19%、83.71%、77%，比原始YOLOv3算法分别提高了6.54、8.55、11.74和8个百分点，虽然FPS降低了3帧/s，但是其检测性能的提升弥补了速度上的不足，有效提升了高分遥感影像对道路交叉口的检测效果。