基于深度学习的SSD模型尾矿库自动提取

• 作者: 沈汀 闫凯 闫弘轩 陈正超
• 来源期刊: 中国科学院大学学报
• 学科: 工学
• 关键词: 深度学习 目标检测 尾矿库 SSD模型 感受野
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 电子科学
• 页码范围: 360-367
• 页数: 8页
• 分类号: TP753
• 字数: 4764字
• 语种: 中文
• DOI: 10.7523/j.issn.2095-6134.2020.03.009

摘要

针对华北地区尾矿库自动提取问题,将基于深度学习的SSD目标检测模型应用于遥感图像尾矿库提取.首先标记华北地区2 000个样本,随机挑选1 500个作为训练样本,剩余样本作为测试样本,验证模型的检测精度.分析卷积层对应感受野与图像中尾矿库尺寸关系,发现原始SSD模型漏检误检大型尾矿库.改进SSD模型结构,提出增加额外卷积层的策略,提高对大型尾矿库目标的检测精度.实验表明,在置信度阈值为0.3时,改进的SSD模型相比原始模型,检测精确率提高10.0％,召回率提高14.4％,提高了大型尾矿库检测精度.验证了基于深度学习的SSD目标检测模型自动提取尾矿库的可行性以及改进算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈正超	中国科学院遥感与数字地球研究所	32	527	13.0	22.0
2	沈汀	中国科学院遥感与数字地球研究所	17	106	7.0	9.0
3	闫弘轩	中国科学院遥感与数字地球研究所	2	0	0.0	0.0
4	闫凯	中国科学院遥感与数字地球研究所	1	0	0.0	0.0