光学遥感图像的目标检测方法研究
2022-06-16杨嘉诚石翠萍苗随悦陈杰刘雪微
齐齐哈尔大学学报(自然科学版) 2022年5期
杨嘉诚,石翠萍,苗随悦,陈杰,刘雪微
光学遥感图像的目标检测方法研究
杨嘉诚,石翠萍*,苗随悦,陈杰,刘雪微
(齐齐哈尔大学 通信与电子工程学院,黑龙江 齐齐哈尔 161006)
如何利用获取的高分辨率遥感图像进行精确的目标检测,是目前需要解决的一个重要问题。提出以一种基于改进YOLO算法的卷积神经网络,给出的模型采用CSPDrakNet为基本网络,并融合Foucs网络模块以进行光学遥感图像的目标检测,以提高目标检测精度。实验结果表明,提出网络的平均检测精度高达92.98%,比DrakNet53基本网络提高了8.55%,且检测时间低于YOLOv3,YOLOv4网络,具有更快的检测速度。
目标检测;光学遥感;深度学习;卷积神经网络;CSPDrakNet
近年来,随着遥感技术在各个领域的需求日渐增长,领域内应用的遥感图像分辨率也逐步提升,工作人员可以从遥感图像中提取到更精确有效的图像信息。遥感图像和我们日常生活中所拍摄的图像十分类似,都是一种可以从图像中获取有效信息的载体。通过已获得的遥感图像,可以辨别出很多信息,如植被山地等。也可以分辨出较小的物体,如树、人以及核酸检测点的标识线。与此同时,新冠肺炎疫情以来遥感图像的目标检测也得到了广泛关注,许多的民用场合也应用了遥感图像技术,如城市规划、人群密集程度监测等。
目标检测是计算机视觉的一个重要分支,其根本目的是对目标进行分类和定位。自卷积网络的出现,目标检测实现了质的飞跃。基于深度学习的目标检测算法有两种检测方式。……
登录APP查看全文