一种航空影像建筑物检测的轻量化CNN建模方法
日期:2023.06.26 点击数:6
【类型】期刊
【刊名】地理空间信息
【关键词】 建筑物检测,CNN,轻量化网络,航空影像,深度可分离卷积
【摘要】以卷积神经网络为代表的深度学习方法大幅提高了遥感影像建筑物自动检测精度,但由于建筑物复杂多样,为了提取区分能力更强的图像特征,现有卷积神经网络方法往往倾向于构建层次复杂、参数庞大的深度模型。这使得模型的存储和内存开销都较高、检测速率也容易受到影响,一定程度上造成在移动设备平台或灾害应急等场合的应用受限。针对此问题,提出一种用于航空影像建筑物检测的轻量化卷积神经网络建模方法,采用深度可分离卷积方法对复杂网络进行简化,大幅减少了计算量,并较好地维持了原有精度。实验表明新方法相比改进前,在计算量和参数量分别减少86%和87%、训练时间缩短10%的情况下,建筑物检测的精度仅降低3%。
【年份】2023
【作者单位】中国地质大学(武汉)地理与信息工程学院;
【期号】06
【页码】24/27
相关文章
- 1、结合注意力机制的轻量化飞机表面伤痕检测算法 作者:王伟刚 年份:2021
- 2、基于改进YOLOv4的航空发动机损伤检测方法 作者:蔡舒妤,闫子砚,师利中, 年份:2023
- 3、基于高程约束的航空立体影像建筑物自动检测方法研究 作者:付素霞 年份:2018
- 4、基于FCN与CNN的遥感影像飞机目标检测方法 作者:李文斌,何冉, 年份:2020
- 5、基于深度学习网络的飞机目标识别与分类研究 作者:马俊成 年份:2020
- 6、基于CNN的航空图像目标检测算法研究 作者:刘瑞 年份:2021