深度卷积神经网络支持下的遥感影像飞机检测

被引：9

作者：

谢梦 ^{[1
]}

刘伟 ^{[1
,2
]}

杨梦圆 ^{[1
]}

柴琪 ^{[1
]}

吉莉 ^{[1
]}

机构：

[1] 江苏师范大学地理测绘与城乡规划院

[2] 资源与环境信息系统国家重点实验室

来源：

测绘通报 | 2019年 / 06期

关键词：

YOLOv3; 遥感影像; 目标检测; 扩张卷积; 深度可分离卷积;

D O I：

10.13474/j.cnki.11-2246.2019.0177

中图分类号：

TP183 [人工神经网络与计算]; TP751 [图像处理方法];

学科分类号：

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%。

引用

页码：19 / 23

页数：5

共 11 条

[1] 基于多尺度形变特征卷积网络的高分辨率遥感影像目标检测
邓志鹏
孙浩
雷琳
周石琳
邹焕新
[J]. 测绘学报, 2018, 47 (09) : 1216 - 1227
[2] 改进YOLO V3遥感图像飞机识别应用
郑志强
刘妍妍
潘长城
李国宁
[J]. 电光与控制, 2019, 26 (04) : 28 - 32
[3] 一种飞机目标的遥感识别方法
殷文斌
王成波
袁翠
乔彦友
[J]. 测绘通报, 2017, (03) : 34 - 37
[4] 基于层次化分类器的遥感图像飞机目标检测
姚远
姜志国
张浩鹏
[J]. 航天返回与遥感, 2014, 35 (05) : 88 - 94
[5] 基于支持向量机的图像飞机目标自动识别算法研究
马琦
马蔚鹏
刘彦
章思严
[J]. 计算机测量与控制, 2014, 22 (09) : 2851 - 2852+2889
[6] 基于骨架特征的多光谱遥感影像飞机目标识别方法研究
蔡栋
陈焱明
魏巍
[J]. 测绘通报, 2014, (02) : 50 - 54+71
[7] 一种嵌入SENet结构的改进YOLOV3目标识别算法[P]. 刘学平,李玙乾,刘励. 中国专利:CN109214399A, 2019-01-15
[8] A light and faster regional convolutional neural network for object detection in optical remote sensing images[J] . Peng Ding,Ye Zhang,Wei-Jian Deng,Ping Jia,Arjan Kuijper.ISPRS Journal of Photogrammetry and Remote Sensin . 2018
[9] Hyperspectral image classification via contextual deep learning[J] . Xiaorui Ma,Jie Geng,Hongyu Wang.EURASIP Journal on Image and Video Processing . 2015 (1)
[10] Deep Convolutional Neural Networks for Hyperspectral Image Classification[J] . Wei Hu,Yangyu Huang,Li Wei,Fan Zhang,Hengchao Li,Tianfu Wu.Journal of Sensors . 2015

← 1 2 →