基于非对称卷积网络的遥感影像地物检测方法研究

刘海军; 杨鸿海

您当前的位置：

首页 >

文章列表页 >

基于非对称卷积网络的遥感影像地物检测方法研究

3S技术应用 | 更新时间：2025-11-25

- 基于非对称卷积网络的遥感影像地物检测方法研究
- 基于非对称卷积网络的遥感影像地物检测方法研究
- 地理空间信息 2023年21卷第9期页码：73-76
- 作者机构：
  
  1. 青海省地理空间和自然资源大数据中心
  2. 青海省地理空间信息技术和应用重点实验室
- 作者简介：
- 基金信息：
  
  青海省自然科学基金资助项目（2020-ZJ-927）
- DOI：
  中图分类号： TP751
- 纸质出版：2023
- 稿件说明：
移动端阅览
刘海军, 杨鸿海. 基于非对称卷积网络的遥感影像地物检测方法研究[J]. 地理空间信息, 2023,21(9):73-76.

刘海军, 杨鸿海. 基于非对称卷积网络的遥感影像地物检测方法研究[J]. 2023, 21(9): 73-76.
刘海军, 杨鸿海. 基于非对称卷积网络的遥感影像地物检测方法研究[J]. 地理空间信息, 2023,21(9):73-76. DOI：

刘海军, 杨鸿海. 基于非对称卷积网络的遥感影像地物检测方法研究[J]. 2023, 21(9): 73-76. DOI：

摘要

针对高分遥感影像地物目标检测时存在的精度低、鲁棒性较差等问题，提出了一种单阶段目标检测模型。利用包含非对称卷积核的AC模块及其等效常规卷积核构建特征提取端分别进行模型训练和测试，使充分提取特征时不会产生大量计算参数；构建4层特征增强端，通过拼接不同倍数的特征图进一步丰富语义特征，利用K-means++聚类获取的锚点框来提高训练初期拟合速度。以RSOD数据集为基础，选取包含飞机、油罐、操场的影像作为数据集，对训练集进行影像质量增强与噪声样本扩充。结果表明，模型在3类目标上的精度表现均衡，综合检测精度达到91.03%；在测试环境下的检测速度可达27 m·s-1，达到实时检测的水平。

Abstract

关键词

Keywords

references

李妹燕.基于深度学习网络的红外遥感图像多目标检测[J].激光杂志,2021(11).

史超.海面舰船遥感目标视觉检测技术研究[J].无线电工程,2021(11).

黄西尧,何羿霆,杜华军,曾祥远,刘天赐,单文婧,程林.地球同步轨道目标物深度学习检测方法[J].宇航学报,2021(10).

穆莉莉,姚潘涛,郭枫,何世政,陈凯.BP神经网络在SLAM特征匹配中的应用[J].测绘科学,2020(10).

罗会兰,陈鸿坤.基于深度学习的目标检测研究综述[J].电子学报,2020(06).

陈伟,贺元恺,李昭慧,郭明香,郑佳雯,陶智慧.一种改进实时图像去雾的暗原色先验算法[J].现代电子技术,2020(06).

戴激光,杜阳,金光,陶德志.一种多尺度卷积神经网络道路提取方法[J].遥感信息,2020(01).

卢海伟,袁晓彤.基于层融合特征系数的动态网络结构化剪枝[J].模式识别与人工智能,2019(11).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

自然资源要素遥感智能解译样本分类体系研究

多尺度差异特征融合的高分辨率光学影像建筑变化检测

珠三角城市群设施农用地时空演变格局研究

基于GQA-AssemFormer的遥感影像道路提取方法

数字孪生与数据治理下轨道交通全生命周期数据基底构建——以上海市为例