典型文献
多尺度深度特征融合网络的遥感图像目标检测
文献摘要：
本文针对现有方法对遥感图像目标检测准确率低的问题,在更快速区域卷积神经网络Faster R-CNN(Faster Region Convolutional Neural Networks)算法的基础上对其进行改进,提出一种新的遥感图像目标检测算法.该算法把Faster R-CNN算法中的VGG(Visual Geometry Group)特征提取网络替换为残差网络ResNet(Residual Networks),在此基础上加入特征金字塔网络以充分表达语义信息和位置信息,并使用焦点损失函数替代Faster R-CNN算法中的交叉熵损失函数以解决难易样本对总损失贡献的权重问题,最后对NWPU VHR-10数据集和RSOD数据集采用数据增广方法以解决数据集中图像样本数量少的问题.为验证本文算法的效果,进行了两组对比实验.第一组实验为本文提出的改进模块在NWPU VHR-10数据集和RSOD数据集上的消融实验;第二组实验为本文算法与其他算法在NWPUVHR-10数据集上的对比实验.实验结果表明,本文算法在NWPU VHR-10数据集和RSOD数据集上的多类平均准确率分别达到93.4％和93.0％,比FasterR-CNN算法提高了 10.6％和7.8％.同时也高于现有的其他几种算法.
文献关键词：
遥感图像;目标检测;特征提取网络;特征金字塔网络;损失函数;数据增广
中图分类号：
作者姓名：
范新南;严炜;史朋飞;张学武
作者机构：
河海大学物联网工程学院,常州213022
文献出处：
引用格式：
[1]范新南;严炜;史朋飞;张学武-.多尺度深度特征融合网络的遥感图像目标检测)[J].遥感学报,2022(11):2292-2303
A类：
B类：
深度特征融合网络,遥感图像,图像目标检测,检测准确率,快速区域卷积神经网络,Region,Convolutional,Neural,Networks,目标检测算法,VGG,Visual,Geometry,Group,特征提取网络,残差网络,ResNet,Residual,特征金字塔网络,语义信息,位置信息,焦点损失函数,交叉熵损失函数,难易,RSOD,数据集采,数据增广,中图,像样,样本数量,第一组,消融实验,第二组,NWPUVHR,平均准确率,FasterR
AB值：
0.326301
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。
