복잡한 배경, 작은 비행기 목표체 크기 및 비행기 외관의 작은 차이로 인해 광학 원격 감지 이미지에서 비행기 목표 탐지 알고리즘의 정확도가 부족한 문제를 해결하기 위해, 본 논문은 YOLOv8n 모델을 기반으로 전역 정보와 이중 도메인 주의 메커니즘을 결합한 광학 원격 감지 이미지 비행기 목표 탐지 알고리즘을 제안한다. 먼저, 전역 최대 풀링 계층을 통해 전역 특성 개요를 제공하는 SPPF_Global 모듈을 설계하여 모델이 복잡한 환경에서 목표와 배경을 더 잘 구분할 수 있도록 지원한다; 둘째, 공간 도메인과 채널 도메인의 정보를 유도하는 이중 도메인 주의 메커니즘을 제안하여 날개 모양 등 중요한 영역에 대한 모델의 주의력을 높이고 서로 다른 비행기 모델 간의 미세한 차이를 구분하는 능력을 강화한다; 마지막으로, 병렬 경로를 사용하여 다운샘플링 모듈을 개선하고 Powerful-IoU 손실 함수를 도입하여 적응형 벌점 인자를 통해 모델 수렴 속도를 높이고 작은 목표 비행기에 대한 인식 능력과 예측 경계 상자의 회귀 효율성을 향상시킨다. 실험 결과, 원본 YOLOv8n과 비교하여 개선된 모델은 공용 데이터셋 MAR20에서 정밀도, 재현율, mAP50 및 mAP50-95가 각각 3.3%, 2.6%, 3.2%, 2.6% 향상되었고, NWPU VHR-10 데이터셋에서는 각각 5%, 5.1%, 2.5%, 0.3% 향상되었으며, 동시에 매개변수 수와 연산량이 각각 6.6%와 3.7% 감소하였다. 이는 본 논문 모델의 효율성과 우수성을 입증하여 광학 원격 감지 이미지의 비행기 목표 탐지 알고리즘의 응용 가치를 효과적으로 향상시켰다.

광학 원격 감지 이미지; 비행기 목표 탐지; YOLOv8; 주의 메커니즘; Powerful-IoU