论文摘要
将深度学习应用于遥感影像目标识别,提出基于卷积神经网络的无人机遥感影像农村建筑物的目标检测方法,用端到端的方式训练Faster R-CNN网络模型,并应用于农村建筑物的快速精确识别.该方法包括基于RPN网络的区域建议和基于Inception v2的卷积神经网络模型训练.为了训练和测试模型,通过无人机采集南疆地区的农村建筑物遥感影像,并人工标注建立了农村建筑物的数据集,在TensorFlow深度学习框架上通过对该数据集目标检测验证了模型.结果表明,基于改进的卷积神经网络目标检测方法对无人机遥感影像进行快速准确识别的总体精度超过90%,通过初始参数更新,模型收敛更快,对无人机遥感影像地物分类和目标识别具有一定的参考意义.
论文目录
文章来源
类型: 期刊论文
作者: 任媛媛,张显峰,马永建,杨启原,汪传建,戴建国,赵庆展
关键词: 建筑物,检测,无人机,深度学习,卷积神经网络
来源: 南京师范大学学报(工程技术版) 2019年03期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 工业通用技术及设备,自动化技术
单位: 石河子大学信息科学与技术学院,国家遥感中心新疆兵团分部,北京大学遥感与地理信息系统研究所
基金: 国家重点研发计划(2017YFB0504203),国家自然科学基金(41461088),兵团科技计划(2016AB001,2017DB005)
分类号: TP183;TP751
页码: 29-36
总页数: 8
文件大小: 1053K
下载量: 341