10.19665/j.issn1001-2400.2021.05.019
改进YOLOv3的快速遥感机场区域目标检测
遥感机场区域目标的检测有很大的军事意义和民用意义.为了取得快速且精确的检测效果,自主构建了更加符合具体任务的数据集;以一步回归全局检测为基础框架,针对数据集中类别分布不均衡问题,提出使用生成的方法用生成对抗网络进行有针对性的数据扩充,以获得具有领域变换特性、类数据分布更为均衡的数据集.同时,使用改进的双权重特征金字塔网络检测部件,来融合得到深层次可区分性的更加鲁棒的特征.实验结果表明,相比原网络,改进网络带来了4.98％的多类目标平均检测精确度以及8.33％的平均交并比的提升,分别达到了89.07％的多类目标平均检测精度以及61.97％的平均交并比.此外,改进网络的平均检测时间为0.0625 s,相比类似检测率的RetinaNet-101网络速度约快5.3倍,体现了该网络的有效性以及对具体任务的实用性.
目标检测;图像处理;神经网络;机场区域;遥感
48
TP183;TP751.1(自动化基础理论)
国家自然科学基金61701524,61773397
2021-11-18（万方平台首次上网日期，不代表论文的发表时间）
共11页
156-166
