原文服务方: 弹箭与制导学报       
摘要:
针对通常的神经网络算法在检测遥感图像海面目标时存在精确率低、漏检概率高的问题,改进了一种基于YOLOv3全卷积神经网络的遥感图像海面目标检测方法。首先根据海面目标的宽高比例,利用Kmeans++聚类算法,确定出适合于数据集的anchor box值;接着采用FPN思想进行特征融合;最后,选用GIOU作为坐标预测的损失函数,进一步优化检测结果。实验表明:文中方法在遥感图像海面目标检测中的平均精确率为90.82%,相比于其他算法平均提高了5.34%。
推荐文章
基于卷积神经网络的目标检测研究综述
卷积神经网络
目标检测
深度学习
基于自监督表征学习的海面目标检测方法
海上无人装备
目标检测
自监督表征学习
深度学习
基于卷积神经网络的遥感图像去噪算法
图像去噪
卷积神经网络
遥感图像
深度学习
基于卷积神经网络的行人目标检测系统设计
卷积神经网络
行人目标
检测系统
CNN框架
目标传感器
训练文件
访问接口
复用加速结构
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 基于全卷积神经网络的遥感图像海面目标检测
来源期刊 弹箭与制导学报 学科
关键词 YOLOv3 全卷积神经网络 遥感图像 目标检测
年,卷(期) 2022,(5) 所属期刊栏目
研究方向 页码范围 15-19
页数 4页 分类号 TP751,TP183,U675.79
字数 语种 中文
DOI 10.15892/j.cnki.djzdxb.2020.05.004
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(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
YOLOv3
全卷积神经网络
遥感图像
目标检测
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
弹箭与制导学报
双月刊
1673-9728
61-1234/TJ
大16开
1980-01-01
chi
出版文献量(篇)
0
总下载数(次)
0
总被引数(次)
28550
论文1v1指导