摘要
صور الاستشعار عن بعد من الأقمار الصناعية عالية الدقة والأهداف بحجم نسبي صغير داخل الصور، لذلك من الصعب ضمان دقة الكشف وسرعة التشغيل في نفس الوقت. لحل مشكلة كشف الأهداف في صور الاستشعار عن بعد عالية الدقة، قدمت هذه الورقة طريقة كشف تجمع بين تقسيم نافذة التمرير وكاشفات الأهداف الصغيرة. أولاً، يتم استخدام طريقة نافذة التمرير لتقسيم الصورة إلى عدة صور فرعية، وتكون خطوة التمرير أقل قليلاً من حجم النافذة بحيث يكون بين كل صورتين فرعيتين تداخل معين، ويتم استخدام نافذة تقسيم أكبر لتقليل عدد الصور الفرعية. بعد ذلك، يتم ضغط الصور الفرعية، ويتم استخدام خوارزمية كشف الأهداف لمعالجة الصور المضغوطة لتقليل وقت تشغيل الخوارزمية. وأخيرًا يتم دمج نتائج الكشف ويتم استخدام استراتيجية كبح غير قصوى لإزالة الأهداف المكررة في الأجزاء المتداخلة. من ناحية خوارزمية الكشف، تستند هذه الورقة إلى YOLOv8n، وتُحسّن هيكل الشبكة باستخدام نواة الالتفاف SPD، ويتم ضبط استراتيجية مطابقة العينات الإيجابية والسلبية بناءً على طريقة NWD، وتم تحسين هيكل الهرم الميّز لتحسين أداء الكشف عن الأهداف الصغيرة، مما يمكن الخوارزمية من التكيف مع الصور الفرعية المضغوطة ذات الأحجام الأكبر لتقليل عدد تقسيمات الصور وتحسين سرعة الكشف. أثبتت التجارب أنه في مجموعة بيانات كشف السيارات بدقة صور وسطية تبلغ 4000×4000، بلغ متوسط دقة الكشف عن الأهداف 55.7%، ومتوسط وقت الحساب لكل صورة حوالي 47.5 مللي ثانية، محققًا زيادة في الدقة بنسبة 16% مقارنة بـ YOLOv8n، و15% مقارنة بـ YOLOv5s، و7.6% مقارنة بـ YOLOv6s. كفاءة التشغيل لهذه الطريقة تلبي متطلبات الوقت الحقيقي، وتستطيع الكشف عن الأهداف في صور الاستشعار عن بعد الفضائية بدقة أعلى وفي الوقت الحقيقي.
关键词
كشف الأهداف; صور الاستشعار عن بعد; خوارزمية YOLOv8; كشف الأهداف الصغيرة; طريقة نافذة التمرير
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website