| 融合改进密集连接和分布排序损失的遥感图像检测 |
| |
| 引用本文： | 袁磊,刘紫燕,朱明成,马珊珊,陈霖周廷. 融合改进密集连接和分布排序损失的遥感图像检测[J]. 计算机科学, 2021, 48(9): 168-173. DOI: 10.11896/jsjkx.200800001 |
| |
| 作者姓名： | 袁磊 刘紫燕 朱明成 马珊珊 陈霖周廷 |
| |
| 作者单位： | 贵州大学大数据与信息工程学院 贵阳 550025;贵州理工学院航空航天工程学院 贵阳 550003 |
| |
| 基金项目： | 贵州省科学技术基金资助项目（黔科合基础[2016]1054）；;贵州省科技计划项目（黔科合基础[2017]1069）；;贵州省科技计划重点项目（[2019]1416）~~； |
| |
| 摘 要： | 针对遥感图像中小目标尺寸较小、样本分布不均匀、特征不明显等问题,提出一种改进的YOLOv3目标检测算法。在使用Stitcher数据增强解决小目标样本分布不均匀的问题后,提出VOVDarkNet-53基础网络,将DarkNet-53基础网络中第4次下采样后的8个残差模块减少为4个残差模块。然后采用VOVNet的密集连接方式,使网络利用更多的浅层小目标特征信息,增加网络感受野。最后,采用分布排序损失改进YOLOv3中的分类损失,解决单阶段目标检测器正负样本不平衡的问题。实验使用YOLOv3目标检测算法和改进后的YOLOv3算法在HRRSD遥感数据集上进行对比。结果表明,改进后的YOLOv3算法对小目标和中目标的检测精确度分别提升了7.2%和2.1%,尽管对大目标的检测精度下降了1%,但在平均单张图片处理时间几乎不变的情况下,平均检测精度均值(mAP)提升了4.1%,召回率和准确率也有所提升。
|
| 关 键 词： | 遥感图像 目标检测 YOLOv3 基础网络 样本不平衡 |
Improved YOLOv3 Remote Sensing Target Detection Based on Improved Dense Connection and Distributional Ranking Loss |
| |
| YUAN Lei,LIU Zi-yan,ZHU Ming-cheng,MA Shan-shan,CHEN Lin-zhou-ting. Improved YOLOv3 Remote Sensing Target Detection Based on Improved Dense Connection and Distributional Ranking Loss[J]. Computer Science, 2021, 48(9): 168-173. DOI: 10.11896/jsjkx.200800001 |
| |
| Authors: | YUAN Lei LIU Zi-yan ZHU Ming-cheng MA Shan-shan CHEN Lin-zhou-ting |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
