典型文献
利用深度学习进行GF-6影像枣园检测识别
文献摘要：
针对新疆南疆大规模枣园的检测识别,本文提出了一种基于泛化迁移深度学习的枣园目标检测识别方法.以GF-6卫星影像数据为基础制作了Jujube数据集,并将其泛化扩充增强;以Faster R-CNN体系为基础,利用多态协同模式实现数据集的有效关联和优化重构,进行检测识别模型的迁移深度学习以提高对目标对象检测识别的泛化能力.结果表明,模型算法的验证识别精确率、召回率和调和平均值分别达0.979、0.952和0.965,在应用测试中,3个指标平均值均大于0.929,优于传统检测方法,且本文模型方法总体分类精度为0.97,Kappa系数为0.93,均高于面向对象最邻近法,能够有效地满足研究区规模化枣园目标检测识别的精度和效率的要求,为精细化枣园田间管理提供基础依据.
文献关键词：
枣园目标检测;Faster R-CNN;泛化迁移学习;数据增强;GF-6
中图分类号：
作者姓名：
段晨阳;冯建中;全斌;白林燕;王盼盼
作者机构：
西安科技大学,陕西 西安710054;中国农业科学院,北京100081;中国科学院空天信息创新研究院,北京100094;新疆生产建设兵团第十四师农业科学研究所,新疆 昆玉848100
文献出处：
引用格式：
[1]段晨阳;冯建中;全斌;白林燕;王盼盼-.利用深度学习进行GF-6影像枣园检测识别)[J].测绘通报,2022(03):54-59
A类：
枣园目标检测,泛化迁移学习
B类：
GF,新疆南疆,目标检测识别,卫星影像数据,Jujube,Faster,协同模式,联和,识别模型,泛化能力,模型算法,精确率,召回率,调和平均,应用测试,模型方法,分类精度,Kappa,面向对象,园田,田间管理,数据增强
AB值：
0.29422
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。
