10.3969/j.issn.1009-8518.2022.05.012
改进YOLOv3算法的遥感图像道路交叉口自动识别
针对道路交叉口目标较小、存在较多的植被遮挡、邻近地物颜色相近等问题,文章提出了一种改进的YOLOv3高分影像道路交叉口目标检测算法—CSC-YOLOv3.该方法首先使用CIOU损失函数改进原来YOLOv3的目标定位损失,降低目标漏检率;其次,通过在YOLOv3的主干特征提取网络后添加空间金字塔池化模块,增大网络的有效感受野;最后,在YOLOv3网络的三个特征层结构以及两个上采样结构中引入注意力机制模块,提升网络检测精确度.在自制的道路交叉口数据集上对算法进行了实验验证,结果表明,CSC-YOLOv3算法的精确率、召回率、平均精确率和F1分数分别达到了86.05%、70.19%、83.71%、77%,比原始YOLOv3算法分别提高了6.54、8.55、11.74和8个百分点,虽然FPS降低了3帧/s,但是其检测性能的提升弥补了速度上的不足,有效提升了高分遥感影像对道路交叉口的检测效果.
YOLOv3、道路交叉口、目标检测、空间金字塔池化、注意力机制、遥感应用
43
P237(摄影测量学与测绘遥感)
国家自然科学基金;贵州大学培育项目;贵州省省级科技计划项目
2022-11-17(万方平台首次上网日期,不代表论文的发表时间)
共10页
123-132