針對(duì)華北地區(qū)尾礦庫(kù)自動(dòng)提取問題,將基于深度學(xué)習(xí)的SSD目標(biāo)檢測(cè)模型應(yīng)用于遙感圖像尾礦庫(kù)提取。首先標(biāo)記華北地區(qū)2 000個(gè)樣本,隨機(jī)挑選1 500個(gè)作為訓(xùn)練樣本,剩余樣本作為測(cè)試樣本,驗(yàn)證模型的檢測(cè)精度。分析卷積層對(duì)應(yīng)感受野與圖像中尾礦庫(kù)尺寸關(guān)系,發(fā)現(xiàn)原始SSD模型漏檢誤檢大型尾礦庫(kù)。改進(jìn)SSD模型結(jié)構(gòu),提出增加額外卷積層的策略,提高對(duì)大型尾礦庫(kù)目標(biāo)的檢測(cè)精度。實(shí)驗(yàn)表明,在置信度閾值為0. 3時(shí),改進(jìn)的SSD模型相比原始模型,檢測(cè)精確率提高10. 0%,召回率提高14. 4%,提高了大型尾礦庫(kù)檢測(cè)精度。驗(yàn)證了基于深度學(xué)習(xí)的SSD目標(biāo)檢測(cè)模型自動(dòng)提取尾礦庫(kù)的可行性以及改進(jìn)算法的有效性。 

【文章來源】：中國(guó)科學(xué)院大學(xué)學(xué)報(bào). 2020,37(03)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

尾礦庫(kù)結(jié)構(gòu)圖

特征圖中的預(yù)設(shè)框示意圖

圖3 特征圖中的預(yù)設(shè)框示意圖損失函數(shù)計(jì)算時(shí)，設(shè)xpij={1,0}表示的是匹配到的第i個(gè)預(yù)設(shè)框和第j個(gè)真值框?qū)儆陬悇ep的匹配程度，總的損失函數(shù)是位置損失(loc)與置信度損失(conf)的加權(quán)和，計(jì)算公式為

【參考文獻(xiàn)】：
期刊論文
[1]基于稠密卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像自動(dòng)色彩校正[J]. 朱思捷,雷斌,吳一戎.  中國(guó)科學(xué)院大學(xué)學(xué)報(bào). 2019(01)
[2]深度卷積神經(jīng)網(wǎng)絡(luò)在遷移學(xué)習(xí)模式下的SAR目標(biāo)識(shí)別[J]. 李松,魏中浩,張冰塵,洪文.  中國(guó)科學(xué)院大學(xué)學(xué)報(bào). 2018(01)
[3]基于光譜紋理特征融合和神經(jīng)網(wǎng)絡(luò)的地表發(fā)射率獲取方法（英文）[J]. 徐開發(fā),雷斌,張?jiān)骆?  中國(guó)科學(xué)院大學(xué)學(xué)報(bào). 2018(01)
[4]基于深度學(xué)習(xí)的微博用戶自殺風(fēng)險(xiǎn)預(yù)測(cè)[J]. 田瑋,朱廷劭.  中國(guó)科學(xué)院大學(xué)學(xué)報(bào). 2018(01)
[5]低數(shù)據(jù)資源條件下基于Bottleneck特征與SGMM模型的語音識(shí)別系統(tǒng)[J]. 吳蔚瀾,蔡猛,田垚,楊曉昊,陳振鋒,劉加,夏善紅.  中國(guó)科學(xué)院大學(xué)學(xué)報(bào). 2015(01)
[6]黑龍江省礦集區(qū)尾礦庫(kù)遙感監(jiān)測(cè)與分析[J]. 高永志,初禹,梁偉.  國(guó)土資源遙感. 2015(01)
[7]陜西省尾礦庫(kù)遙感調(diào)查與環(huán)境影響分析[J]. 強(qiáng)建華.  金屬礦山. 2013(10)
[8]我國(guó)尾礦庫(kù)現(xiàn)狀及問題分析[J]. 侯興玉.  現(xiàn)代礦業(yè). 2013(10)
[9]鄂東南尾礦庫(kù)高分辨率遙感圖像識(shí)別因子研究[J]. 郝利娜,張志,何文熹,陳騰.  國(guó)土資源遙感. 2012(03)
[10]我國(guó)尾礦庫(kù)安全現(xiàn)狀及事故防治措施[J]. 門永生,柴建設(shè).  中國(guó)安全生產(chǎn)科學(xué)技術(shù). 2009(01)



本文編號(hào)：3144513