深度学习遥感影像多尺度油罐检测算法性能分析

摘要：

遥感影像中油罐目标尺度变化大,小目标较多,影响其检测性能.为探究影像缩放对各网络油罐检测的影响以及油罐目标尺寸对于检测结果影响的规律,选择经典的5种深度学习目标检测算法,包括FRC-NN、RFCN、SSD、YOLOv3和RetinaNet算法,对不同尺度油罐目标的检测精度、泛化能力和运行效率等进行了对比分析和实验验证.实验结果表明,RetinaNet和RFCN算法的平均精度和泛化能力最好;YOLOv3算法的速度最快.不同算法都有所谓的最佳检测尺寸窗口,通过对检测影像适当地缩放可以使待检测目标尺寸落入最佳窗口,从而提高油罐目标检测的精度.同时,对基于深度学习的遥感影像多尺度油罐检测算法提出了改进的建议.

关键词：遥感影像、油罐检测、深度学习、目标检测、多尺度

所属期刊栏目：37

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金项目41671410

在线出版日期：2020-08-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：56-60