典型文献
基于卷积神经网络的港口储油罐目标提取
文献摘要：
针对当前储油罐目标检测研究仅针对独立数据集,缺乏区域性检测的实际应用问题,采用一种基于卷积神经网络的嵌入掩膜分支的多阶段目标检测网络(mask multi-stage network,MMSNet)对天津港储油罐进行检测.该网络以ResNet50和特征金字塔网络(feature pyramid network,FPN)作为特征提取网络,在检测头部分设计并行的多阶段检测分支和掩膜分支.多阶段检测分支通过适配不同IoU的候选框,保证训练阶段和推理阶段拥有相似的分布特性;掩膜分支通过提取不同IoU阈值下的特征图,精确回归目标的边界位置.通过国产GF-2号卫星影像数据,提取了天津港地区的储油罐.实验表明,MMSNet网络在保证召回率为92.6％的情况下,准确率可达96.8％,为港口储油罐的快速识别提供了可能.
文献关键词：
深度学习;目标检测;储油罐提取;卷积神经网络
中图分类号：
作者姓名：
郝志航;张小咏;陈正超;卢凯旋
作者机构：
北京信息科技大学高动态导航技术北京市重点实验室,北京100101;中国科学院空天信息创新研究院,北京100094
文献出处：
引用格式：
[1]郝志航;张小咏;陈正超;卢凯旋-.基于卷积神经网络的港口储油罐目标提取)[J].北京信息科技大学学报（自然科学版）,2022(02):8-14
A类：
MMSNet,储油罐提取
B类：
港口,目标提取,独立数,应用问题,掩膜,多阶段,目标检测网络,mask,multi,stage,network,天津港,ResNet50,特征金字塔网络,feature,pyramid,FPN,特征提取网络,检测头,分设,IoU,候选框,训练阶段,分布特性,阈值下,特征图,边界位置,GF,卫星影像数据,召回率,快速识别
AB值：
0.297741
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。
