Face au problème de faible précision de détection dû à la petite taille des cibles avions, leur répartition dense et un fond complexe sur les images de télédétection couleur, nous proposons un algorithme amélioré de détection des avions dans n’importe quelle direction sur les images de télédétection couleur sans points d’ancrage. Le modèle de référence est BBAVectors, avec ResNet50 comme réseau principal pour l’extraction des caractéristiques. Après le réseau pyramidal de caractéristiques FPN, un module PANet d’extension du chemin de haut en bas est ajouté pour raccourcir le trajet de l’information et renforcer la pyramide de caractéristiques avec des informations précises de position à bas niveau. Ensuite, un module CBAM mécanisme d’attention est introduit pour améliorer la précision de détection des avions dans des environnements complexes en supprimant le bruit et en mettant en évidence les caractéristiques cibles. Des expériences d’ablation et comparatives sont réalisées sur le jeu de données DOTA, avec un découpage du dataset à 0.5 et 1 fois à l’aide de DOTA_devkit pour améliorer la précision du modèle. Le modèle amélioré atteint une précision de détection de 90,35 % sur le jeu de test d’images de télédétection couleur. Comparé au modèle original, la précision de détection est améliorée de 0,82 %. Les résultats expérimentaux montrent que cette méthode offre de meilleures performances pour la tâche de détection des avions dans les images de télédétection couleur.

détection des avions;cibles avions;direction quelconque;sans points d’ancrage;extension de chemin;mécanisme d’attention