基于深度学习的大型陨石坑识别方法研究

摘要：

陨石坑是天体表面最为显著的地形特征,传统陨石坑识别方法主要是对小型陨石坑正负样本的二分类问题研究,且效率和精度均不高.以星体宏观视角下的大型陨石坑作为研究对象,结合图像处理和神经网络等方面的知识,创建了来自不同数据源的陨石坑样本数据库,研究了数据源对网络模型泛化能力的影响,提出了一种效率更高的陨石坑多分类识别方法.在非极大值抑制(NMS)算法基础上,提出了一种精度更高的陨石坑检测算法.经过参数优化和实验验证,构建的基于深度学习的多尺度多分类陨石坑自动识别网络框架取得了较高的准确率,在同源验证集上识别率可达0.985,在异源验证集上识别率可达0.863,并且有效改善了目标检测时检测框冗余及误检测的问题.

关键词：深度学习、卷积神经网络、陨石坑识别、非极大值抑制(NMS)算法、目标检测

所属期刊栏目：46

分类号：TP391.4;V448.25+1(计算技术、计算机技术)

资助基金：国家自然科学基金61703017

在线出版日期：2020-05-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：994-1004