基于改进YOLOV3算法的遥感图像油罐检测

发布时间：2021-09-18 15:32

　　针对遥感图像中的油罐检测问题,借鉴深度神经网络的思想,提出了一种基于改进YOLOV3算法的图像检测方法。首先在原有YOLOV3算法框架中添加空间变换网络（spatial transformer networks,STN）,使其成为具备空间变换学习能力的模型;然后通过k-means聚类算法对数据集进行分析,重新设计初始候选框大小;最后训练和测试网络,建立包含9 724个油罐目标的遥感图像数据集。实验结果表明:改进的YOLOV3算法具有良好的性能,在测试集中的召回率可达到95.64%,比原算法提升了3.52%;准确率可达到93.92%,比原算法提升了2.81%。 

【文章来源】：中国科技论文. 2020,15(03)北大核心

【文章页数】：7 页

【部分图文】：

STN结构

YOLO检测模型

YOLOV3算法网络参数

【参考文献】：
期刊论文
[1]遥感图像分类方法综述[J]. 张裕,杨海涛,袁春慧.  兵器装备工程学报. 2018(08)
[2]基于深度学习的医学计算机辅助检测方法研究[J]. 陶攀,付忠良,朱锴,王莉莉.  生物医学工程学杂志. 2018(03)
[3]机载LiDAR与高分2号融合的城镇地物分类研究[J]. 刘茂华,李如仁,王岩,马志新.  中国科技论文. 2018(09)
[4]基于卷积神经网络的光学遥感图像目标检测[J]. 卢艺帆,张松海.  中国科技论文. 2017(14)
[5]基于卷积神经网络的目标检测研究综述[J]. 李旭冬,叶茂,李涛.  计算机应用研究. 2017(10)
[6]基于加权模糊Petri网的电网分层故障诊断方法[J]. 程学珍,林晓晓,朱春华,陈强.  山东科技大学学报(自然科学版). 2017(01)
[7]基于似圆阴影的光学遥感图像油罐检测[J]. 李轩,刘云清.  电子与信息学报. 2016(06)
[8]原油罐沸溢火灾发展阶段及沸溢发生时间试验研究[J]. 孔得朋,刘鹏翔,陈国明,平平,张辛.  中国安全科学学报. 2016(02)



本文编号：3400389