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
- 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%。