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
- 一种基于级联神经网络的飞机检测方法
- 作者： 王晓林 苏松志 刘晓颖 蔡国榕 李绍滋 来源： 智能系统学报 年份： 2021 文献类型 ： 期刊 关键词： 嵌入式设备 遥感图像 级联 卷积神经网络 两阶段 深度学习 飞机检测 由粗到细
- 描述： 由于旋转角度多样性、极端的尺度差异的影响,遥感图像中的飞机检测目前仍存在挑战。为了解决旋转和尺度的问题,目前的策略是将现有的自然场景下的目标检测算法(如Faster R-CNN、SSD等)直接迁移到遥感图像中。这些算法的主干网络复杂,模型占用空间大,难以应用到低功耗和嵌入式设备中。为了在准确率不降低的情况下提高检测速度,本文提出了一个仅包含9层的卷积神经网络来解决飞机检测问题。该网络采用了由粗到细的策略,通过级联两个网络的方式减少计算开销。为了评估方法的有效性,我们建立了一个针对飞机检测的遥感数据集。实验结果表明,该方法超越了VGG16等复杂的主干网络,达到了接近主流检测方法的性能表现,同时显著降低了参数量并使检测速度提高了2倍以上。
- 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%。