我國(guó)城鎮(zhèn)化水平的提升和垃圾處理基礎(chǔ)設(shè)施的不完善,致使我國(guó)非正規(guī)垃圾堆放問題日益突出。高分辨率遙感影像的發(fā)展為非正規(guī)垃圾堆的宏觀、高效管理提供了可能。目前常用的目視解譯和傳統(tǒng)監(jiān)督分類的方法不僅非常耗時(shí),且數(shù)據(jù)中的深層特征難以被挖掘,檢測(cè)精度有限。利用卷積神經(jīng)網(wǎng)絡(luò)技術(shù),提出了基于樣本更新和Retina Net的高分辨率遙感影像非正規(guī)垃圾堆檢測(cè)框架（sample updated-Retina Net,SU-Retina Net）,分析了不同參數(shù)和網(wǎng)絡(luò)結(jié)構(gòu)對(duì)模型檢測(cè)效果的影響,同時(shí)比較了利用可變形部件模型（deformable parts model,DPM）、區(qū)域卷積神經(jīng)網(wǎng)絡(luò)（region-based convolutional neural network,R-CNN）、快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)（faster R-CNN,Faster R-CNN）、Retina Net和SU-Retina Net 5種算法進(jìn)行非正規(guī)垃圾堆檢測(cè)的性能。實(shí)驗(yàn)結(jié)果表明,利用SU-Retina Net進(jìn)行非正規(guī)垃圾堆檢測(cè)的平均精度可以達(dá)到85.92%,每張圖的檢測(cè)速度約為0.097 s。相比傳統(tǒng)方法,SU-Retin... 

【文章頁數(shù)】：8 頁

【文章目錄】：
0 引言
1 SU-Retina Net框架
    1.1 樣本更新方法及訓(xùn)練
    1.2 Retina Net網(wǎng)絡(luò)結(jié)構(gòu)
    1.3 基準(zhǔn)小窗口機(jī)制
    1.4 損失函數(shù)
2 實(shí)驗(yàn)方法
    2.1 實(shí)驗(yàn)環(huán)境及實(shí)驗(yàn)數(shù)據(jù)
    2.2 實(shí)驗(yàn)流程與評(píng)價(jià)指標(biāo)
3 結(jié)果與分析
    3.1 參數(shù)設(shè)置實(shí)驗(yàn)
    3.2 對(duì)比實(shí)驗(yàn)
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]京津冀地區(qū)非正規(guī)垃圾場(chǎng)地遙感監(jiān)測(cè)分析[J]. 王晨,殷守敬,孟斌,馬萬棟,朱利,吳傳慶.  高技術(shù)通訊. 2016(Z1)
[2]基于國(guó)產(chǎn)高分遙感影像的城鎮(zhèn)生活垃圾監(jiān)管方法研究[J]. 秦海春.  中國(guó)建設(shè)信息化. 2016(04)
[3]應(yīng)用高分辨率影像的城市固體廢棄物提取[J]. 張方利,杜世宏,郭舟.  光譜學(xué)與光譜分析. 2013(08)
[4]北京1號(hào)小衛(wèi)星監(jiān)測(cè)非正規(guī)垃圾場(chǎng)的應(yīng)用研究[J]. 劉亞嵐,任玉環(huán),魏成階,汪愛華,周會(huì)珍,遲耀斌.  遙感學(xué)報(bào). 2009(02)

博士論文
[1]洱海北部流域有機(jī)固體廢物氮磷污染及其控制對(duì)策研究[D]. 賈麗娟.昆明理工大學(xué) 2013



本文編號(hào)：3682206