按文献类别分组
关键词
基于多结构卷积神经网络的高分遥感影像飞机目标检测
作者: 姚相坤   万里红   霍宏   方涛   来源: 计算机工程 年份: 2017 文献类型 : 期刊 关键词: 特征提取   卷积神经网络   多结构网络   目标检测   高分遥感影像  
描述: 传统的遥感影像目标检测方法大多利用人工提取特征,难以用于背景复杂的高分辨率遥感影像。针对该问题,构建一种多结构卷积神经网络模型(MSCNN)自动学习目标特征。通过改变卷积滤波器尺寸、数量以及网络层数,分别设计4种不同结构的CNN以提取目标从低层、中层到高层不同尺度的特征信息,并将4种CNN输出采用串行方式连接并输入到BP神经网络分类器进行训练。在检测阶段采用滑动窗口方法进行目标搜索。对高分辨遥感影像中飞机的检测实验结果表明,MSCNN在虚警率和召回率上较4种单一结构的CNN具有明显的检测优势,召回率平均提升6%,虚警率平均降低3%。对油罐的检测结果进一步表明,MSCNN可以推广到对遥感影像其他目标的检测。
基于深度神经网络的遥感图像飞机目标检测
作者: 李文斌   何冉   来源: 计算机工程 年份: 2021 文献类型 : 期刊 关键词: 遥感图像   卷积神经网络   目标检测   密度聚类   像素级标签  
描述: 。实验结果表明,DC-DNN模型对于遥感图像飞机目标检测的准确率、召回率和F1值分别为95.78%、98.98%和0.973 5,相比WS-DNN、R-FCN等模型具有更好的检测性能和泛化能力。
基于深度神经网络的遥感图像飞机目标检测
作者: 李文斌   何冉   来源: 计算机工程 年份: 2021 文献类型 : 期刊 关键词: 遥感图像   卷积神经网络   目标检测   密度聚类   像素级标签  
描述: 。实验结果表明,DC-DNN模型对于遥感图像飞机目标检测的准确率、召回率和F1值分别为95.78%、98.98%和0.973 5,相比WS-DNN、R-FCN等模型具有更好的检测性能和泛化能力。
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   来源: 计算机工程 年份: 2020 文献类型 : 期刊 关键词: FCN   遥感图像   CNN   目标检测   像素级标签  
描述: 进行抑制;使用图像级标签代替目标级标签进行CNN训练、以及使用图像的CNN底层特征图制作像素级标签来训练FCN。实验表明,本模型获得了95.78%的准确率、98.98%的召回率、0.9735的F1分数,具有优异的检测性能和良好的泛化能力。
< 1
Rss订阅