基于单阶段神经网络的房屋屋顶检测方法

• 作者: 彭劲松
• 来源期刊: 北京测绘
• 关键词: 深度学习 无人机影像 房屋检测 卷积神经网络 数据增强
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 技术应用
• 页码范围: 1089-1092
• 页数: 4页
• 分类号: P231
• 语种: 中文
• DOI: 10.19580/j.cnki.1007-3000.2021.08.019

摘要

针对现有方法利用无人机影像对房屋目标进行检测的过程中存在错检、漏检率高等问题,构建了单阶段卷积神经网络来实施无人机影像房屋检测,并在德国宇航中心开源数据集(Deutsches Zentrum für Luft-und Raum fahrt,DLR)3KVehicle的基础上,采用多种数字图像增强手段对原始图像进行数据增强处理,提高训练后模型的泛化能力.在测试数据集上对训练后的网络进行测试,采用精度均值(Average Precision,AP)和每秒传输帧数(Frames Per Second,FPS)指标进行评价.并将检测结果与经典的目标检测模型单激发多盒探测器(Single Shot Multi-Box Detector,SSD)以及YOLOv3的检测结果进行对比.结果表明,所构建的卷积神经网络对于无人机影像中的房屋目标尤其是小目标有着较高的检测精度,检测精度可以达到91.3％AP,相比SSD和YOLOv3在精度方面提高了11.5％和8.3％.同时网络的检测速度可以达到每秒传输帧数21m·s-1,能够快速精确地检测出无人机影像中的房屋目标.