典型文献
遥感影像目标检测的轻量化密集连接网络
文献摘要：
针对无人机遥感影像中可能出现的多个密集的小目标,在检测时会出现误检、漏检的难点问题,本文提出了一种基于YOLO v4的具有密集连接网络模块的遥感影像轻量化目标检测算法,实现了对无人机遥感影像中车辆小目标的高精度识别.首先,对YOLO v4主干网络CSP Darknet53的卷积层采用密集连接、稀疏连接两种处理方式,加强特征的提取和重复使用,以缓解梯度消失问题;然后,对此模块进行模型剪裁,减少网络层数并定义为新的密集连接网络模块;最后,在NWPU-VHR-10数据集和笔者所在课题组制作的Vehicle-850无人机影像数据集上进行了对比试验并取得了较好的效果.本文改进后的网络结构在提高遥感影像目标检测准确率的同时,缩短了网络模型的收敛时间,减少了模型占用的内存空间,提高了遥感影像中目标检测的速度.
文献关键词：
目标检测;无人机遥感影像;YOLO v4;轻量化;密集连接
中图分类号：
作者姓名：
刘继;杨军
作者机构：
兰州交通大学测绘与地理信息学院,甘肃 兰州730070;地理国情监测技术应用国家地方联合工程研究中心,甘肃 兰州730070;甘肃省地理国情监测工程实验室,甘肃 兰州730070
文献出处：
引用格式：
[1]刘继;杨军-.遥感影像目标检测的轻量化密集连接网络)[J].测绘通报,2022(10):37-43,55
A类：
B类：
密集连接网络,无人机遥感影像,小目标,漏检,YOLO,v4,轻量化目标检测,目标检测算法,高精度识别,主干网络,CSP,Darknet53,卷积层,特征的提取,重复使用,梯度消失,剪裁,网络层,层数,NWPU,VHR,Vehicle,无人机影像,影像数据,检测准确率,收敛时间,内存空间
AB值：
0.303234
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。
