背景が複雑で、対象となる航空機が小さく、航空機の外観差も小さいために光学リモートセンシング画像における航空機目標検出アルゴリズムの検出精度が不足する問題に対し、本論文ではYOLOv8nモデルに基づき、グローバル情報と二重領域注意機構を融合した光学リモートセンシング画像の航空機目標検出アルゴリズムを提案する。まず、全域最大プーリング層により全域特徴の概要を提供するSPPF_Globalモジュールを設計し、複雑な環境下でモデルが目標と背景をよりよく識別できるよう支援する。次に、空間領域とチャネル領域の情報を誘導する二重領域注意機構を提案し、翼の形状などの重要領域へのモデルの注目度を高め、異なる飛行機型の微細な差異を区別する能力を強化する。最後に、並列経路でダウンサンプリングモジュールを改良し、Powerful-IoU損失関数を導入し、適応的ペナルティファクターによりモデルの収束を加速し、小さな目標航空機の認識能力と予測枠の回帰効率を向上させる。実験結果は、元のYOLOv8nと比較して、改良モデルが公開データセットMAR20での精度、再現率、mAP50およびmAP50-95をそれぞれ3.3％、2.6％、3.2％、2.6％向上させ、NWPU VHR-10データセットではそれぞれ5％、5.1％、2.5％、0.3％向上し、同時にパラメータ量と計算量をそれぞれ6.6％および3.7％削減したことを示している。本論文モデルの効率性と優越性を証明し、光学リモートセンシング画像における航空機目標検出アルゴリズムの応用価値を効果的に向上させた。

光学リモートセンシング画像; 航空機目標検出; YOLOv8; 注意機構; Powerful-IoU