遙感影像中油罐目標尺度變化大,小目標較多,影響其檢測性能。為探究影像縮放對各網(wǎng)絡油罐檢測的影響以及油罐目標尺寸對于檢測結果影響的規(guī)律,選擇經(jīng)典的5種深度學習目標檢測算法,包括FRCNN、RFCN、SSD、YOLOv3和RetinaNet算法,對不同尺度油罐目標的檢測精度、泛化能力和運行效率等進行了對比分析和實驗驗證。實驗結果表明,RetinaNet和RFCN算法的平均精度和泛化能力最好;YOLOv3算法的速度最快。不同算法都有所謂的最佳檢測尺寸窗口,通過對檢測影像適當?shù)乜s放可以使待檢測目標尺寸落入最佳窗口,從而提高油罐目標檢測的精度。同時,對基于深度學習的遙感影像多尺度油罐檢測算法提出了改進的建議。 

【文章來源】：測繪科學技術學報. 2020,37(01)北大核心

【文章頁數(shù)】：5 頁

【文章目錄】：
1 算法理論基礎及對比分析
    1.1 算法簡介
    1.2 算法檢測精度對比分析
    1.3 影像縮放對提高各算法檢測精度的影響分析
    1.4 算法檢測效率對比分析
2 實驗分析
    2.1 實驗數(shù)據(jù)與環(huán)境
    2.2 實驗結果與分析
        2.2.1 算法檢測精度對比分析
        2.2.2 影像縮放對各算法檢測精度的影響分析
        2.2.3 油罐尺寸對檢測精度的影響規(guī)律分析
        2.2.4 檢測效率對比分析
3 結論


【參考文獻】：
期刊論文
[1]直線特征輔助的靠岸艦船檢測[J]. 余東行,郭海濤,趙傳,李道紀,張保明.  測繪科學技術學報. 2019(03)



本文編號：3468890