基于难易样本平衡因子的遥感图像目标检测

• 作者: 黄聪 杨垚 王华军 李忠玉 赵金泉 马瑜 万军
• 来源期刊: 物探化探计算技术
• 学科: 地球科学
• 关键词: 遥感图像 目标检测 卷积神经网络 损失函数 难易样本平衡
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 计算机应用|COMPUTER APPLICATION
• 页码范围: 117-121
• 页数: 5页
• 分类号: P631.4
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1749.2022.01.15

摘要

遥感图像目标检测一直是遥感图像领域中的热点和难点问题,旨在分类和定位感兴趣目标.近年来卷积神经网络理论技术的快速发展,有效地解决了传统目标检测方法特征提取不足的问题.在公开的遥感数据集RSOD-Dataset上,基于YOLOv3算法模型进行目标检测,为了适应遥感图像中目标小、背景复杂等难分类样本的特点,在检测模型中引入难易样本平衡因子来改变不同类别的损失权重,从而进一步提高遥感图像检测精度.为了证明这里改进方法的有效性,进行了一组对比消融实验.实验结果表明,改进的算法比YOLOv3算法的平均检测精度提高了6％,尤其是对于背景复杂的立交桥类别,平均检测精度有了明显的提高.因此通过改进YOLOv3进一步平衡了简单样本和难例样本的损失权重,有效地提高了遥感图像目标检测精度.