本文主要研究内容
作者谢梦,刘伟,杨梦圆,柴琪,吉莉(2019)在《深度卷积神经网络支持下的遥感影像飞机检测》一文中研究指出: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%。
Abstract
zhen dui YOLOv3suan fa dui xiao mu biao jian ce jiao cha ji chu xian jiao duo lou jian de wen ti ,ben wen di chu le yi chong you hua de YOLOv3suan fa 。shou xian shi yong K-meanssuan fa ji suan chu yu shu ju ji xiang kuo yong de mao kuang ;ji ci jiang kuo zhang juan ji yin ru dao YOLOv3wang lao ,yong lai zeng jiang wang lao gao ceng de gan shou ye ,gai shan xiao mu biao de jian ce xiao guo ;ran hou shi yong shen du ke fen li juan ji qu dai YOLOv3wang lao can cha mo kuai zhong de pu tong juan ji ,ke jian shao ji suan liang ,cong er de dao yi chong xin xing juan ji shen jing wang lao jie gou ;zui hou zai shu ju ji shang jin hang dui bi shi yan 。jie guo biao ming ,you hua de YOLOv3suan fa neng gou jian ce chu geng duo mu biao ,jiang di lou jian lv ,xiang bi yu YOLOv3suan fa ,ji shao hui lv di gao 11.86%,F1-scoredi gao 2.99%。
论文参考文献
论文详细介绍
论文作者分别是来自测绘通报的谢梦,刘伟,杨梦圆,柴琪,吉莉,发表于刊物测绘通报2019年06期论文,是一篇关于遥感影像论文,目标检测论文,扩张卷积论文,深度可分离卷积论文,测绘通报2019年06期论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自测绘通报2019年06期论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。
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; 测绘通报2019年06期论文;