典型文献
改进YOLOv3算法的遥感图像道路交叉口自动识别
文献摘要：
针对道路交叉口目标较小、存在较多的植被遮挡、邻近地物颜色相近等问题,文章提出了一种改进的YOLOv3高分影像道路交叉口目标检测算法—CSC-YOLOv3.该方法首先使用CIOU损失函数改进原来YOLOv3的目标定位损失,降低目标漏检率;其次,通过在YOLOv3的主干特征提取网络后添加空间金字塔池化模块,增大网络的有效感受野;最后,在YOLOv3网络的三个特征层结构以及两个上采样结构中引入注意力机制模块,提升网络检测精确度.在自制的道路交叉口数据集上对算法进行了实验验证,结果表明,CSC-YOLOv3算法的精确率、召回率、平均精确率和F1分数分别达到了86.05％、70.19％、83.71％、77％,比原始YOLOv3算法分别提高了6.54、8.55、11.74和8个百分点,虽然FPS降低了3帧/s,但是其检测性能的提升弥补了速度上的不足,有效提升了高分遥感影像对道路交叉口的检测效果.
文献关键词：
YOLOv3;道路交叉口;目标检测;空间金字塔池化;注意力机制;遥感应用
中图分类号：
作者姓名：
邵小美;张春亢;韦永昱;张显云;周成宇;张忠豪
作者机构：
贵州大学矿业学院,贵阳 550025;231626 部队,广州 510800
文献出处：
引用格式：
[1]邵小美;张春亢;韦永昱;张显云;周成宇;张忠豪-.改进YOLOv3算法的遥感图像道路交叉口自动识别)[J].航天返回与遥感,2022(05):123-132
A类：
B类：
YOLOv3,遥感图像,道路交叉口,自动识别,遮挡,近地,地物,色相,高分影像,目标检测算法,CSC,CIOU,损失函数,目标定位损失,漏检率,主干特征提取网络,空间金字塔池化,金字塔池化模块,大网,感受野,上采样,注意力机制模块,网络检测,检测精确度,精确率,召回率,百分点,FPS,检测性能,高分遥感影像,检测效果,遥感应用
AB值：
0.340305
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。
