深度卷积神经网络支持下的遥感影像飞机检测

• 作者: 刘伟 吉莉 杨梦圆 柴琪 谢梦
• 来源期刊: 测绘通报
• 学科: 地球科学
• 关键词: YOLOv3 遥感影像 目标检测 扩张卷积 深度可分离卷积
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 学术研究
• 页码范围: 19-23
• 页数: 5页
• 分类号: P237
• 语种: 中文
• DOI: 10.13474/j.cnki.11-2246.2019.0177

摘要

针对YOLOv3算法对小目标检测较差及出现较多漏检的问题,本文提出了一种优化的YOLOv3算法.首先使用K-means算法计算出与数据集相适用的锚框;其次将扩张卷积引入到YOLOv3网络,用来增强网络高层的感受野,改善小目标的检测效果;然后使用深度可分离卷积取代YOLOv3网络残差模块中的普通卷积,可减少计算量,从而得到一种新型卷积神经网络结构;最后在数据集上进行对比试验.结果表明,优化的YOLOv3算法能够检测出更多目标,降低漏检率,相比于YOLOv3算法,其召回率提高11.86％,F1-score提高2.99％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘伟		10	15	1.0	3.0
3	吉莉		2	2	1.0	1.0
4	柴琪		5	9	2.0	2.0
5	谢梦		5	2	1.0	1.0
8	杨梦圆		4	6	1.0	2.0