典型文献
基于YOLOv5算法的飞机类型光学遥感识别
文献摘要：
飞机类型检测是遥感影像分析领域的研究热点,在机场监控和情报分析等应用中起着重要的作用.其中,深度学习方法作为遥感影像分析领域广泛应用的手段之一,在飞机类型检测任务中仍面临许多问题,如使用未公开的自制数据集、实验复现困难、无法验证泛化能力等.同时,光学遥感影像易受光照条件、云雨变化等因素影响,使检测任务更加困难.为了解决这些问题,本文首先利用MTARSI数据集对样本进行筛选,再结合Google Earth等开源方法收集飞机影像,采用随机旋转、改变亮度等方法构建新的飞机类型检测数据集.其次,采用YOLOv5作为基础网络框架,针对其多层卷积和池化操作可能会削弱或完全丢失飞机特征的问题,进行多尺度优化训练,有效检测飞机类型特征.最后,利用跨数据集验证模型的泛化能力.实验结果表明,本文方法能准确、有效地检测出光学遥感影像中的飞机的具体类型,具有较强的鲁棒性和泛化能力,跨数据集进行飞机类型检测正确率达到82.12％,可为智能化的飞机目标语义分析、星上应用等研究提供技术支撑.
文献关键词：
飞机检测;类型检测;遥感影像;深度学习;数据增广;YOLOv5;多尺度优化;多时相检测
中图分类号：
作者姓名：
龙怡灿;雷蓉;董杨;李东子;赵琛琛
作者机构：
中国人民解放军战略支援部队信息工程大学,郑州450001;中国人民解放军75833部队,广州510000;中国人民解放军61363部队,西安710054
文献出处：
引用格式：
[1]龙怡灿;雷蓉;董杨;李东子;赵琛琛-.基于YOLOv5算法的飞机类型光学遥感识别)[J].地球信息科学学报,2022(03):572-582
A类：
MTARSI,多时相检测
B类：
YOLOv5,遥感识别,类型检测,遥感影像分析,机场监控,情报分析,深度学习方法,未公开,复现,泛化能力,光学遥感影像,光照条件,云雨,Google,Earth,开源,随机旋转,变亮,亮度,检测数据集,网络框架,池化操作,多尺度优化,有效检测,类型特征,数据集验证,验证模型,体类,飞机目标,目标语义,语义分析,飞机检测,数据增广
AB值：
0.355389
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。
