基于SU-RetinaNet的高分辨率遥感影像非正规垃圾堆检测

发布时间：2022-09-28 18:57

　　我国城镇化水平的提升和垃圾处理基础设施的不完善,致使我国非正规垃圾堆放问题日益突出。高分辨率遥感影像的发展为非正规垃圾堆的宏观、高效管理提供了可能。目前常用的目视解译和传统监督分类的方法不仅非常耗时,且数据中的深层特征难以被挖掘,检测精度有限。利用卷积神经网络技术,提出了基于样本更新和Retina Net的高分辨率遥感影像非正规垃圾堆检测框架（sample updated-Retina Net,SU-Retina Net）,分析了不同参数和网络结构对模型检测效果的影响,同时比较了利用可变形部件模型（deformable parts model,DPM）、区域卷积神经网络（region-based convolutional neural network,R-CNN）、快速区域卷积神经网络（faster R-CNN,Faster R-CNN）、Retina Net和SU-Retina Net 5种算法进行非正规垃圾堆检测的性能。实验结果表明,利用SU-Retina Net进行非正规垃圾堆检测的平均精度可以达到85.92%,每张图的检测速度约为0.097 s。相比传统方法,SU-Retin... 

【文章页数】：8 页

【文章目录】：
0 引言
1 SU-Retina Net框架
    1.1 样本更新方法及训练
    1.2 Retina Net网络结构
    1.3 基准小窗口机制
    1.4 损失函数
2 实验方法
    2.1 实验环境及实验数据
    2.2 实验流程与评价指标
3 结果与分析
    3.1 参数设置实验
    3.2 对比实验
4 结论


【参考文献】：
期刊论文
[1]京津冀地区非正规垃圾场地遥感监测分析[J]. 王晨,殷守敬,孟斌,马万栋,朱利,吴传庆.  高技术通讯. 2016(Z1)
[2]基于国产高分遥感影像的城镇生活垃圾监管方法研究[J]. 秦海春.  中国建设信息化. 2016(04)
[3]应用高分辨率影像的城市固体废弃物提取[J]. 张方利,杜世宏,郭舟.  光谱学与光谱分析. 2013(08)
[4]北京1号小卫星监测非正规垃圾场的应用研究[J]. 刘亚岚,任玉环,魏成阶,汪爱华,周会珍,迟耀斌.  遥感学报. 2009(02)

博士论文
[1]洱海北部流域有机固体废物氮磷污染及其控制对策研究[D]. 贾丽娟.昆明理工大学 2013



本文编号：3682206