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:
针对遥感影像飞机目标尺寸小、特征不明显的问题,在YOLO V4的基础上,提出一种联合多尺度特征和注意力机制的遥感影像飞机目标检测方法.该方法扩大了特征融合时尺度的范围,增强了对低层特征和小目标信息的提取.通过引入注意力机制进行特征融合,为每个通道的特征赋予不同权重,学习不同通道间特征的相关性.在RSOD-Dataset数据集上进行对比实验,实验结果表明该方法与相关算法相比,具有更高的检测精度.
推荐文章
基于双注意力机制的遥感图像目标检测
深度学习
目标检测
特征提取
双注意力机制模型
空洞卷积
Focalloss损失函数
基于多尺度特征和注意力机制的航空图像分割
航空图像分割
建筑像素标记
全卷积神经网络
注意力机制
多尺度特征
结合注意力机制的深度学习图像目标检测
目标检测
卷积神经网络(CNN)
注意力机制
特征降维
采用双注意力机制Deeplabv3+算法的遥感影像语义分割
遥感影像
深度学习
DeepLabv3+
注意力机制
语义分割
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 联合多尺度特征和注意力机制的遥感影像飞机目标检测
来源期刊 测绘科学技术学报 学科
关键词 遥感影像 飞机目标检测 特征融合 注意力机制 YOLO V4算法
年,卷(期) 2020,(4) 所属期刊栏目 摄影测量与遥感|Photogrammetry and Remote Sensing
研究方向 页码范围 398-403
页数 6页 分类号 P237
字数 语种 中文
DOI 10.3969/j.issn.1673-6338.2020.04.013
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (50)
共引文献  (29)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
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)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(3)
  • 参考文献(0)
  • 二级参考文献(3)
2014(4)
  • 参考文献(0)
  • 二级参考文献(4)
2015(5)
  • 参考文献(1)
  • 二级参考文献(4)
2016(10)
  • 参考文献(0)
  • 二级参考文献(10)
2017(8)
  • 参考文献(0)
  • 二级参考文献(8)
2018(12)
  • 参考文献(1)
  • 二级参考文献(11)
2019(6)
  • 参考文献(4)
  • 二级参考文献(2)
2020(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(2)
  • 参考文献(2)
  • 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
遥感影像
飞机目标检测
特征融合
注意力机制
YOLO V4算法
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
测绘科学技术学报
双月刊
1673-6338
41-1385/P
大16开
河南省郑州市陇海中路66号
36-391
1984
chi
出版文献量(篇)
2536
总下载数(次)
9
总被引数(次)
23241
论文1v1指导