DS-YOLO网络在遥感图像中的飞机检测算法研究
作者：吴杰,段锦,赫立群,李英超,朱文涛 单位：长春理工大学电子信息工程学院；长春理工大学空间光电技术研究所基础技术实验室 本文刊于： 《计算机工程与应用》 2021年第01期
关键词:
深度可分离卷积 分组卷积 DS-YOLO模型 通道特征变换 多尺度预测Keywords
depth separable convolution, packet convolution, DS-YOLO model, channel feature transformation, multi-scale prediction
全文下载：需积分3点。
摘要
为了解决传统特征提取方法在遥感图像中飞机检测准确率和实时性不足的问题,基于YOLOv3-tiny网络在准确率提升方面提出两点改进。改进点一:将网络提取图像特征点的方式改进为分组卷积,即将一幅图像分成三个通道进行卷积操作,配合通道特征变换以加强各通道之间的语义关联;改进点二:将网络深层特征增加一个尺度检测,并进行上采样与浅层特征图进行融合预测。在速度提升方面引入深度可分离卷积代替传统卷积以降低参数计算量,达到模型轻量化。根据改进后的网络提出一种包含33个卷积层的改进型卷积神经网络DS-YOLO,对改进前后网络分别在自制遥感飞机图像上进行训练,选出最优的权重,用来对目标小、曝光度高、背景干扰等低质量测试集进行测试分析。实验结果表明,改进后的算法在测试集上精准度提升了14.1%,召回率提升了16.8%,检测低质量遥感飞机图像效果更佳。
本文地址：www.fabiao.net/content-24-4025-1.html
本文地址：www.fabiao.net/content-24-4025-1.html
上一篇：脉冲间隔对喷射液滴大小的分析研究
下一篇：基于多粒度特征蒸馏的遥感图像场景分类研究
