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:
针对传统的特征融合方式参数量高、无法反映通道和卷积核重要性、检测效果差等劣势,提出了一种基于SK-YOLOV3的遥感图像目标检测方法,在YOLOV3的基础上引入了 SKNet视觉注意力机制,并对锚框算法进行优化.为了增强实验对比,在自建的数据集中使用大量复杂环境下拍摄的遥感卫星图片.实验结果表明,该检测模型对于提升目标分辨率效果明显,在检验不同样本图像时平均精度可达到87.33%,检测速率可达27.7 FPS,相比于其他检测方法,该检测方法存在较大优势.
推荐文章
基于改进YOLOv5的遥感图像目标检测研究
遥感图像
目标检测
YOLOv5
SimAM
CFP
一种基于改进Yolov3的弹载图像多目标检测方法
弹载图像
目标检测
YOLOv3
位置损失
快速NMS
基于YOLOv3的车辆多目标检测
车辆
多目标检测
Darknet-53网络
YOLOv3
基于全卷积神经网络的遥感图像海面目标检测
YOLOv3
全卷积神经网络
遥感图像
目标检测
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SK-YOLOV3的遥感图像目标检测方法
来源期刊 兵器装备工程学报 学科
关键词 遥感图像 目标检测 SKNet网络 特征融合 SK-YOLOV3算法
年,卷(期) 2021,(7) 所属期刊栏目 信息科学与控制工程
研究方向 页码范围 165-171
页数 7页 分类号 TP3
字数 语种 中文
DOI 10.11809/bqzbgcxb2021.07.029
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (40)
共引文献  (45)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1962(1)
  • 参考文献(0)
  • 二级参考文献(1)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(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)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(4)
  • 参考文献(0)
  • 二级参考文献(4)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(8)
  • 参考文献(1)
  • 二级参考文献(7)
2018(7)
  • 参考文献(0)
  • 二级参考文献(7)
2019(12)
  • 参考文献(1)
  • 二级参考文献(11)
2020(3)
  • 参考文献(3)
  • 二级参考文献(0)
2021(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
SKNet网络
特征融合
SK-YOLOV3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
兵器装备工程学报
月刊
2096-2304
50-1213/TJ
大16开
重庆市巴南区红光大道69号重庆理工大学期刊社
1980
chi
出版文献量(篇)
7709
总下载数(次)
15
论文1v1指导