典型文献
基于改进的MoCo的遥感图像目标检测
文献摘要：
卫星遥感图像的智能化处理存在着处理标注时标准不统一、数据分布不均匀的问题,导致有效样本不多、目标检测效果较差的现象.针对这种现象,提出一种基于MoCo无监督对比学习模型的目标检测算法,目标检测的框架采用以ResNet50为骨干网络的YOLOv5,使用对比学习得到的ResNet50的权重作为固定值不进行梯度迭代参与YOLOv5下游的检测任务训练.对比学习实验在AID数据集上进行,改进的MoCo v2的top-1精度最高达到95.888％.在下游的检测任务中,使用的是TGRS-HRRSD数据集,改进MoCo v2的预训练权重的mAP@.5:.95精度达到67.8％,较不使用预训练权重提高了5.6个百分点.结果证明改进的MoCo对比学习模型的有效性,在对比学习之后的下游检测任务中,检测精度也有所提高.
文献关键词：
无监督对比学习;遥感图像检测;注意力机制;YOLOv5
中图分类号：
作者姓名：
焦新泉;李睿康;陈建军
作者机构：
中北大学电子测试技术国家重点实验室,山西 太原 030051
文献出处：
引用格式：
[1]焦新泉;李睿康;陈建军-.基于改进的MoCo的遥感图像目标检测)[J].计算机与现代化,2022(12):88-94
A类：
无监督对比学习
B类：
MoCo,图像目标检测,卫星遥感图像,智能化处理,时标,数据分布,分布不均匀,有效样本,检测效果,目标检测算法,ResNet50,骨干网络,YOLOv5,习得,重作,固定值,梯度迭代,AID,v2,top,TGRS,HRRSD,预训练,mAP,不使用,重提,百分点,检测精度,遥感图像检测,注意力机制
AB值：
0.34521
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。
