典型文献
基于难易样本平衡因子的遥感图像目标检测
文献摘要：
遥感图像目标检测一直是遥感图像领域中的热点和难点问题,旨在分类和定位感兴趣目标.近年来卷积神经网络理论技术的快速发展,有效地解决了传统目标检测方法特征提取不足的问题.在公开的遥感数据集RSOD-Dataset上,基于YOLOv3算法模型进行目标检测,为了适应遥感图像中目标小、背景复杂等难分类样本的特点,在检测模型中引入难易样本平衡因子来改变不同类别的损失权重,从而进一步提高遥感图像检测精度.为了证明这里改进方法的有效性,进行了一组对比消融实验.实验结果表明,改进的算法比YOLOv3算法的平均检测精度提高了6％,尤其是对于背景复杂的立交桥类别,平均检测精度有了明显的提高.因此通过改进YOLOv3进一步平衡了简单样本和难例样本的损失权重,有效地提高了遥感图像目标检测精度.
文献关键词：
遥感图像;目标检测;卷积神经网络;损失函数;难易样本平衡
中图分类号：
作者姓名：
黄聪;杨垚;王华军;李忠玉;赵金泉;马瑜;万军
作者机构：
成都理工大学地球物理学院,成都 610059;成都理工大学地球勘探与信息技术教育部重点实验室,成都 610059
文献出处：
引用格式：
[1]黄聪;杨垚;王华军;李忠玉;赵金泉;马瑜;万军-.基于难易样本平衡因子的遥感图像目标检测)[J].物探化探计算技术,2022(01):117-121
A类：
难易样本平衡
B类：
平衡因子,图像目标检测,图像领域,感兴趣,网络理论,理论技术,目标检测方法,法特,遥感数据,RSOD,Dataset,YOLOv3,算法模型,难分,检测模型,失权,遥感图像检测,检测精度,改进方法,消融实验,立交桥,步平,单样本,损失函数
AB值：
0.292815
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。
