论文摘要
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%。
论文目录
文章来源
类型: 期刊论文
作者: 郑志强,刘妍妍,潘长城,李国宁
关键词: 卷积神经网络,飞机识别,遥感图像
来源: 电光与控制 2019年04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: 长春理工大学,中国科学院长春光学精密机械与物理研究所
基金: 国家“八六三”项目(863-2-5-1-13B)
分类号: TP751
页码: 28-32
总页数: 5
文件大小: 392K
下载量: 1934