典型文献
基于深度可分离卷积的实时遥感目标检测算法
文献摘要：
针对基于深度学习的遥感目标检测算法参数冗余、计算量大且实时检测性能较差的问题,提出了一种基于深度可分离卷积的实时遥感目标检测算法.首先通过K-means++算法对数据集进行锚框(Anchor)聚类分析,使锚框参数更加符合遥感检测场景.为了降低模型参数量、提升检测速度,以轻量级网络MobileNetv3作为主干网络进行特征提取;此外,基于深度可分离卷积的PANet(Path Aggregation Network)结构的设计,使网络参数量进一步降低.改进后模型参数量仅为原来的18.3％,检测速度提升2.19倍,在UCAS_AOD,RSOD,DIOR这3个遥感数据集上进行测试,实验结果表明,算法鲁棒性强,能够在保证模型检测精度的同时有效提高检测实时性.
文献关键词：
遥感;目标检测;聚类;深度可分离卷积;参数量
中图分类号：
作者姓名：
王成龙;赵倩;赵琰;郭彤
作者机构：
上海电力大学电子与信息工程学院,上海 201000
文献出处：
引用格式：
[1]王成龙;赵倩;赵琰;郭彤-.基于深度可分离卷积的实时遥感目标检测算法)[J].电光与控制,2022(08):45-49
A类：
B类：
深度可分离卷积,遥感目标检测,目标检测算法,算法参数,计算量,实时检测,检测性能,means++,锚框,Anchor,遥感检测,模型参数量,检测速度,轻量级网络,MobileNetv3,主干网络,PANet,Path,Aggregation,Network,网络参数,UCAS,AOD,RSOD,DIOR,遥感数据,模型检测,检测精度,高检
AB值：
0.351964
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。
