全部
图书
期刊
学位论文
会议论文
报纸
图片
视频
新闻
关键词
- 航空遥感影像中的轻量级小目标检测
- 作者： 薛雅丽 孙瑜 马瀚融 来源： 电光与控制 年份： 2022 文献类型 ： 期刊 关键词： 小目标 遥感图像 特征融合 深度学习 目标检测
- 描述： 单阶段目标检测算法凭借结构简单、模型高效等特点获得很多研究者及工业界的关注。以现有的YOLO算法为基础，针对遥感图像中目标尺寸小、排列紧密等困难，提出一种提升复杂背景下小目标检测精度的轻量级目标检测方法。该方法引入加权融合特征网络，为每层特征图赋予可在训练中不断学习的权重系数，加强深浅层特征融合。通过引入CIoU损失及模型改进，加快网络收敛速度，使其满足实时性需求。在基于DOTA构建的遥感图像小目标数据集上进行对比实验，结果表明，该方法具有更好的检测精度与检测速度。
- 改进YOLO V3遥感图像飞机识别应用
- 作者： 郑志强 刘妍妍 潘长城 李国宁 来源： 电光与控制 年份： 2019 文献类型 ： 期刊 关键词： YOLO Densenet 遥感图像 means 卷积神经网络 飞机识别 k V3
- 描述： 为了准确识别遥感图像中的飞机,基于YOLO V3算法,通过使用K-means算法对数据集进行聚类分析,借鉴Densenet网络的思想,将YOLO V3网络中的两个残差网络模块替换为两个密集网络模块,改进为一种Dense-YOLO深度卷积神经网络结构。对改进前与改进后的网络进行训练,分别选出使两个网络识别效果最好的权重文件,针对高质量遥感图像与过度曝光、云雾遮挡等低质量遥感图像分别进行测试与分析。实验结果表明,新改进的深度卷积神经网络应用在两种图像上效果均有提升。其中,改进的算法在高质量的遥感图像中准确率高达99.72%,比原始算法准确率提升了0.85%,召回率高达98.34%,召回率提升了1.94%。在低质量遥感图像中准确率高达96.12%,比原始算法准确率提升了5.07%,召回率高达93.10%,召回率提升了19.75%。