10.3979/j.issn.1673-825X.202010120301
采用改进YOLOv3的高分辨率遥感图像目标检测
由于高分辨率遥感图像存在目标排列密集、尺寸差别大等情况,传统算法难以准确地对其进行目标检测.在YOLOv3算法的基础上,提出一种改进的高分辨率遥感图像目标检测算法(remote sensing-YOLO,RS-YOLO).利用K-means聚类算法对数据集进行聚类,重新设计适合遥感图像的先验框;引入高斯模型计算预测框的不确定度,以提高网络对预测框坐标的准确度;使用弱化的非极大值抑制算法(soft non-aximum suppression,Soft-NMS)对预测框进行处理,增强算法对密集排列目标的检测能力.实验结果表明,改进后的算法能够对高分辨率遥感图像进行有效的目标检测,以NWPU VHR-10数据集为例,RS-YOLO的平均检测精度达到了87.97%.
深度学习、目标检测、高分辨率遥感图像、YOLOv3算法、高斯模型
34
TP183(自动化基础理论)
国家自然科学基金;重庆市基础与前沿研究计划项目
2022-07-04(万方平台首次上网日期,不代表论文的发表时间)
共10页
383-392