Для решения проблемы недостаточной точности обнаружения самолетов на оптических дистанционных снимках из-за сложного фона, небольшого размера объекта и малых визуальных различий между самолетами в данной работе на базе модели YOLOv8n предложен алгоритм обнаружения самолетов, объединяющий глобальную информацию и двудоменный механизм внимания. Во-первых, разработан модуль SPPF_Global, который с помощью глобального максимального пула обеспечивает обзор глобальных признаков, помогая модели лучше различать объекты и фон в сложных условиях; во-вторых, предложен двудоменный механизм внимания, направляющий информацию пространственной и канальной области, повышая внимание модели к важным областям, таким как форма крыла, и улучшая способность различать тонкие различия между различными моделями самолетов; в-третьих, применен параллельный путь для улучшения модуля подвыборки и введена функция потерь Powerful-IoU, которая с адаптивным штрафным коэффициентом ускоряет сходимость модели, улучшая распознавание малых объектов самолетов и эффективность регрессии рамок предсказания. Экспериментальные результаты показывают, что по сравнению с исходной моделью YOLOv8n, улучшенная модель увеличила точность, полноту, mAP50 и mAP50-95 на открытом наборе данных MAR20 на 3.3%, 2.6%, 3.2% и 2.6% соответственно, и на наборе данных NWPU VHR-10 на 5%, 5.1%, 2.5% и 0.3% соответственно; при этом количество параметров и объем вычислений снизились на 6.6% и 3.7% соответственно. Это подтверждает эффективность и превосходство предложенной модели и значительно повышает прикладную ценность алгоритмов обнаружения самолетов на оптических дистанционных снимках.

Оптические дистанционные снимки; Обнаружение самолетов; YOLOv8; Механизм внимания; Powerful-IoU