針對(duì)遙感圖像中的油罐檢測(cè)問題,借鑒深度神經(jīng)網(wǎng)絡(luò)的思想,提出了一種基于改進(jìn)YOLOV3算法的圖像檢測(cè)方法。首先在原有YOLOV3算法框架中添加空間變換網(wǎng)絡(luò)（spatial transformer networks,STN）,使其成為具備空間變換學(xué)習(xí)能力的模型;然后通過k-means聚類算法對(duì)數(shù)據(jù)集進(jìn)行分析,重新設(shè)計(jì)初始候選框大小;最后訓(xùn)練和測(cè)試網(wǎng)絡(luò),建立包含9 724個(gè)油罐目標(biāo)的遙感圖像數(shù)據(jù)集。實(shí)驗(yàn)結(jié)果表明:改進(jìn)的YOLOV3算法具有良好的性能,在測(cè)試集中的召回率可達(dá)到95.64%,比原算法提升了3.52%;準(zhǔn)確率可達(dá)到93.92%,比原算法提升了2.81%。 

【文章來源】：中國(guó)科技論文. 2020,15(03)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

STN結(jié)構(gòu)

YOLO檢測(cè)模型

YOLOV3算法網(wǎng)絡(luò)參數(shù)

【參考文獻(xiàn)】：
期刊論文
[1]遙感圖像分類方法綜述[J]. 張?jiān)?楊海濤,袁春慧.  兵器裝備工程學(xué)報(bào). 2018(08)
[2]基于深度學(xué)習(xí)的醫(yī)學(xué)計(jì)算機(jī)輔助檢測(cè)方法研究[J]. 陶攀,付忠良,朱鍇,王莉莉.  生物醫(yī)學(xué)工程學(xué)雜志. 2018(03)
[3]機(jī)載LiDAR與高分2號(hào)融合的城鎮(zhèn)地物分類研究[J]. 劉茂華,李如仁,王巖,馬志新.  中國(guó)科技論文. 2018(09)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的光學(xué)遙感圖像目標(biāo)檢測(cè)[J]. 盧藝帆,張松海.  中國(guó)科技論文. 2017(14)
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)研究綜述[J]. 李旭冬,葉茂,李濤.  計(jì)算機(jī)應(yīng)用研究. 2017(10)
[6]基于加權(quán)模糊Petri網(wǎng)的電網(wǎng)分層故障診斷方法[J]. 程學(xué)珍,林曉曉,朱春華,陳強(qiáng).  山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)
[7]基于似圓陰影的光學(xué)遙感圖像油罐檢測(cè)[J]. 李軒,劉云清.  電子與信息學(xué)報(bào). 2016(06)
[8]原油罐沸溢火災(zāi)發(fā)展階段及沸溢發(fā)生時(shí)間試驗(yàn)研究[J]. 孔得朋,劉鵬翔,陳國(guó)明,平平,張辛.  中國(guó)安全科學(xué)學(xué)報(bào). 2016(02)



本文編號(hào)：3400389