基于FasterR-CNN模型的遥感污水处理厂目标检测
针对传统机器学习方法在遥感影像目标检测应用中易受目标尺度、图像质量等因素影响,效率低下且扩展性不强的问题,提出将深度学习应用到遥感影像的目标检测领域.本文将Faster R-CNN模型应用到污水处理厂的目标检测,该模型在目标检测中AP较高且不要求输入图像固定尺寸.仿真实验中,使用Resnet卷积神经网络(COCO数据集的预训练模型)对输入图像进行卷积和池化等操作自动提取目标特征,解决了传统方法提取特征费时费力问题,最终检测精确度达到90％.
遥感图像 目标检测 深度学习 Faster R-CNN模型
杨路江 张琳彬 陈鼎新 文贡坚
国防科技大学 湖南 长沙 410073
国内会议
西安
中文
1-10
2018-10-17（万方平台首次上网日期，不代表论文的发表时间）