典型文献
面向高分辨率遥感影像车辆检测的深度学习模型综述及适应性研究
文献摘要：
车辆检测问题是计算机视觉和摄影测量与遥感领域的研究热点.随着深度学习技术的发展,遥感影像车辆检测已在智慧城市和智能交通等领域展开应用.文章系统归纳了现有的基于深度学习模型的遥感影像车辆检测算法,着重从单阶段与双阶段的车辆检测算法进行了归类、分析及比较;重点梳理了大幅面、复杂背景环境下车辆检测的关键技术,分析主流深度学习模型应用于遥感影像车辆检测的优缺点.利用DOTA和DIOR数据集对YOLOv5,Faster-RCNN,FCOS和SSD算法进行评估,在DOTA数据集上,车辆检测精度分别为0.695,0.410,0.370和0.251;在DIOR数据集上,车辆检测精度分别为0.566,0.243,0.231和0.154.实验结果表明,目标尺度较小仍是制约遥感影像车辆检测性能的主要因素,深度学习模型应用于小目标检测存在较大的提升空间.最后,基于公开数据集与已有研究算法分析的基础上,给出大幅面复杂背景下遥感影像车辆检测的解决方法及发展趋势.
文献关键词：
遥感影像;车辆检测;深度学习;分析方法
中图分类号：
作者姓名：
吕雅楠;朱红;孟健;崔成玲;宋其淇
作者机构：
防灾科技学院生态环境学院,廊坊 065201;防灾科技学院地球科学学院,廊坊 065201;北京吉威空间信息股份有限公司,北京 100043
文献出处：
引用格式：
[1]吕雅楠;朱红;孟健;崔成玲;宋其淇-.面向高分辨率遥感影像车辆检测的深度学习模型综述及适应性研究)[J].自然资源遥感,2022(04):22-32
A类：
B类：
高分辨率遥感影像,车辆检测,深度学习模型,述及,适应性研究,检测问题,计算机视觉,摄影测量与遥感,深度学习技术,智慧城市,智能交通,检测算法,单阶段,双阶段,大幅面,复杂背景,背景环境,下车,模型应用,DOTA,DIOR,YOLOv5,Faster,RCNN,FCOS,SSD,检测精度,标尺,检测性能,小目标检测,提升空间,公开数据集,算法分析
AB值：
0.319289
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。
