深度卷积神经网络支持下的遥感影像飞机检测

论文摘要

针对YOLOv3算法对小目标检测较差及出现较多漏检的问题,本文提出了一种优化的YOLOv3算法。首先使用K-means算法计算出与数据集相适用的锚框;其次将扩张卷积引入到YOLOv3网络,用来增强网络高层的感受野,改善小目标的检测效果;然后使用深度可分离卷积取代YOLOv3网络残差模块中的普通卷积,可减少计算量,从而得到一种新型卷积神经网络结构;最后在数据集上进行对比试验。结果表明,优化的YOLOv3算法能够检测出更多目标,降低漏检率,相比于YOLOv3算法,其召回率提高11.86%,F1-score提高2.99%。

论文目录

文章来源

类型: 期刊论文

作者: 谢梦,刘伟,杨梦圆,柴琪,吉莉

关键词: 遥感影像,目标检测,扩张卷积,深度可分离卷积

来源: 测绘通报 2019年06期

年度: 2019

分类: 基础科学,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: 江苏师范大学地理测绘与城乡规划院,资源与环境信息系统国家重点实验室

基金: 国家自然科学基金(41601405),江苏省国土资源科技计划项目(2018054),资源与环境信息系统国家重点实验室开放基金,江苏师范大学2018年研究生科研创新计划项目(2018YXJ040)

分类号: TP183;TP751

DOI: 10.13474/j.cnki.11-2246.2019.0177

页码: 19-23

总页数: 5

文件大小: 1027K

下载量: 390

相关论文文献

标签：遥感影像论文;  目标检测论文;  扩张卷积论文;  深度可分离卷积论文;