基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对遥感图像目标检测中的漏检错检问题,提出了一种基于特征增强及密集场景优化的目标检测算法.通过对Faster R-CNN框架进行优化,加入特征增强卷积层使得小目标特征更加显著,同时采用改进的非极大值抑制算法对密集场景的目标置信度进行更新,从而提高遥感图像目标检测性能.实验结果表明:该算法在DOTA遥感数据集上与已有方法相比有效提升了目标检测精度.
推荐文章
基于密集编码标签的遥感图像旋转目标检测算法
旋转目标检测
遥感图像
环形平滑标签
密集编码标签
基于SIFT特征与预测的运动目标检测算法
目标检测
SIFT特征
旋转参数模型
动态场景
密集交通场景的目标检测算法研究
目标密集
回归损失函数
匹配程度
位置信息
YOLOv3
目标检测
一种基于改进YOLOv3的密集人群检测算法
密集人群
YOLOv3
特征提取网络
K-means++
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于特征增强及密集场景优化的遥感目标检测算法
来源期刊 传感器与微系统 学科 工学
关键词 遥感图像 目标检测 特征增强 密集场景优化 Faster R-CNN
年,卷(期) 2020,(1) 所属期刊栏目 计算与测试
研究方向 页码范围 102-104,108
页数 4页 分类号 TP39
字数 2670字 语种 中文
DOI 10.13873/J.1000-9787(2020)01-0102-03
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 贺光辉 上海交通大学电子信息与电气工程学院 25 32 3.0 4.0
2 姜珊 上海交通大学电子信息与电气工程学院 4 8 2.0 2.0
3 陈海宝 上海交通大学电子信息与电气工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (3)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
遥感图像
目标检测
特征增强
密集场景优化
Faster R-CNN
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
传感器与微系统
月刊
1000-9787
23-1537/TN
大16开
哈尔滨市南岗区一曼街29号
14-203
1982
chi
出版文献量(篇)
9750
总下载数(次)
43
总被引数(次)
66438
论文1v1指导