首页>
根据【关键词:遥感图像】搜索到相关结果 4 条
-
基于半监督学习的遥感飞机图像检测方法
-
作者:
杜泽星
殷进勇
杨建
来源:
激光与光电子学进展
年份:
2019
文献类型 :
期刊
关键词:
遥感图像
目标检测
半监督学习
生成式对抗网络
-
描述:
针对现有的基于深度学习的遥感飞机图像检测方法,在训练时需要大量的带标记数据集和较长的训练时间,本文提出了一种基于生成式对抗网络的半监督学习方法。采用两种粒度的深度卷积生成式对抗网络,分别提取了待检测目标的边缘特征信息和深层语义特征。通过结合两种粒度的生成式对抗网络的判别器网络模型,设计了目标检测网络模型。实验结果表明,本文所设计的这种半监督学习训练方法有着更快的收敛速度,并且在训练时需要的标记样本更少。
-
遥感图像飞机目标检测方法研究
-
作者:
张晨露
来源:
中国科学院大学(中国科学院西安光学精密机械研究所)
年份:
2019
文献类型 :
学位论文
关键词:
遥感图像
感受野
卷积神经网络
目标检测
飞机目标
-
描述:
遥感图像飞机目标检测方法研究
-
高分辨率遥感图像中飞机目标自动检测方法研究
-
作者:
任瑞龙
来源:
电子科技大学
年份:
2019
文献类型 :
学位论文
关键词:
遥感图像
语义分割
深度学习
目标检测
飞机
-
描述:
高分辨率遥感图像中飞机目标自动检测方法研究
-
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%。