典型文献
结合随机擦除和YOLOv4的高空间分辨率遥感影像桥梁自动检测
文献摘要：
桥梁作为典型且重要的地面目标,是交通运输线路的咽喉,对桥梁进行自动检测具有十分重要的社会和经济意义.深度学习已成为桥梁检测新方式,但对云雾遮挡的桥梁检测精度较低.针对该问题,提出了一种结合随机擦除(random erase,RE)数据增强和YOLOv4模型的桥梁目标自动检测方法,首先统计数据集中目标的尺度范围,利用k-means聚类获得锚框尺寸;然后通过RE与Mosaic数据增强相结合的方法模拟云雾遮挡的情况;接着采用YOLOv4网络对经增强后的数据集进行训练;最后采用平均精度(mean average precision,mAP)评估实验结果.实验结果表明,提出方法的mAP为97.06％,比YOLOv4提高了2.99％,其中被云雾遮挡的桥梁平均检测准确度提高了12％,验证了提出方法的有效性及实用性.
文献关键词：
深度学习;目标检测;高分影像;桥梁检测;YOLOv4网络
中图分类号：
作者姓名：
孙宇;黄亮;赵俊三;常军;陈朋弟;成飞飞
作者机构：
昆明理工大学国土资源工程学院,昆明 650093;云南省高校高原山区空间信息测绘技术应用工程研究中心,昆明 650093;智慧矿山地理空间信息集成创新重点实验室,昆明 650093;云南省高校自然资源空间信息集成与应用科技创新团队,昆明 650211;自然资源部第一大地测量队,西安 710054
文献出处：
引用格式：
[1]孙宇;黄亮;赵俊三;常军;陈朋弟;成飞飞-.结合随机擦除和YOLOv4的高空间分辨率遥感影像桥梁自动检测)[J].自然资源遥感,2022(02):97-104
A类：
B类：
随机擦除,YOLOv4,高空间分辨率遥感影像,自动检测,地面目标,运输线,咽喉,经济意义,桥梁检测,新方式,云雾,遮挡,检测精度,random,erase,RE,数据增强,桥梁目标,means,锚框,Mosaic,增强相,average,precision,mAP,梁平,检测准确度,目标检测,高分影像
AB值：
0.404776
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
