典型文献
融合多尺度特征的国产光学影像辐射异常分类检测
文献摘要：
随着我国航天遥感事业的高速发展,国产民用光学遥感卫星种类不断丰富,光学影像数据量呈跨越式增长,对光学遥感影像传感器校正产品的业务化日常质量检查带来巨大挑战.在质量检验业务中,影像辐射异常检查是影像质量检验的关键环节之一,存在自动化检查技术能力缺失、人工参与多、效率低等问题.针对以上问题,提出了一种融合多尺度特征的辐射异常数据分类检测深度学习网络模型.该网络模型在EfficientNet-B0模型的基础上引入空洞空间卷积池化金字塔,通过设置不同大小的膨胀率,收集不同尺度下辐射异常数据特征,并将不同尺度上的特征进行通道拼接和池化卷积处理;再与EfficientNet-B0模型提取出来的特征进行融合处理,以提高分类检测模型的精度.实验结果表明,所提出的分类检测模型,对光学影像辐射异常数据检测分类具有较高的分类精度,优于其他模型分类精度,将有助于提升遥感影像辐射质量检验的自动化水平.
文献关键词：
EfficientNet;深度学习;辐射异常;分类检测
中图分类号：
作者姓名：
谭海;张荣军;樊文锋;张一帆;徐航
作者机构：
自然资源部国土卫星遥感应用中心,北京 100048;辽宁工程技术大学测绘与地理科学学院,阜新 123000
文献出处：
引用格式：
[1]谭海;张荣军;樊文锋;张一帆;徐航-.融合多尺度特征的国产光学影像辐射异常分类检测)[J].自然资源遥感,2022(04):97-104
A类：
异常数据分类
B类：
多尺度特征,光学影像,辐射异常,分类检测,国航,航天遥感,感事,光学遥感卫星,不断丰富,影像数据,数据量,跨越式,光学遥感影像,传感器校正,正产品,业务化,质量检查,质量检验,检验业务,异常检查,影像质量,检查技术,技术能力,检测深度,深度学习网络,EfficientNet,B0,空洞空间卷积池化金字塔,同大,膨胀率,不同尺度,数据特征,拼接,卷积处理,融合处理,检测模型,异常数据检测,检测分类,分类精度,模型分类,辐射质,自动化水平
AB值：
0.378753
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。
