深度学习遥感影像多尺度油罐检测算法性能分析

发布时间：2021-10-31 21:33

　　遥感影像中油罐目标尺度变化大,小目标较多,影响其检测性能。为探究影像缩放对各网络油罐检测的影响以及油罐目标尺寸对于检测结果影响的规律,选择经典的5种深度学习目标检测算法,包括FRCNN、RFCN、SSD、YOLOv3和RetinaNet算法,对不同尺度油罐目标的检测精度、泛化能力和运行效率等进行了对比分析和实验验证。实验结果表明,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。不同算法都有所谓的最佳检测尺寸窗口,通过对检测影像适当地缩放可以使待检测目标尺寸落入最佳窗口,从而提高油罐目标检测的精度。同时,对基于深度学习的遥感影像多尺度油罐检测算法提出了改进的建议。 

【文章来源】：测绘科学技术学报. 2020,37(01)北大核心

【文章页数】：5 页

【文章目录】：
1 算法理论基础及对比分析
    1.1 算法简介
    1.2 算法检测精度对比分析
    1.3 影像缩放对提高各算法检测精度的影响分析
    1.4 算法检测效率对比分析
2 实验分析
    2.1 实验数据与环境
    2.2 实验结果与分析
        2.2.1 算法检测精度对比分析
        2.2.2 影像缩放对各算法检测精度的影响分析
        2.2.3 油罐尺寸对检测精度的影响规律分析
        2.2.4 检测效率对比分析
3 结论


【参考文献】：
期刊论文
[1]直线特征辅助的靠岸舰船检测[J]. 余东行,郭海涛,赵传,李道纪,张保明.  测绘科学技术学报. 2019(03)



本文编号：3468890