排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
油罐目标的检测对于海洋战场环境保障具有重要的意义和作用。选择当前较为经典的几种深度学习目标检测算法,包括FRCNN、RFCN、SSD、YOLOv3、RetinaNet,利用已有的公开数据,对各算法进行油罐检测的精度进行深入对比分析和实验验证。实验结果表明,上述方法中鲁棒性和平均精度最好的是RFCN和RetinaNet;影像中目标的尺寸是影响各算法精度的重要因素。最后对基于深度学习的遥感影像油罐目标检测算法提出了改进的建议。相关研究对于利用深度学习算法完成油罐目标的实际检测应用具有重要的指导意义和参考价值。 相似文献
2.
针对传统遥感影像油罐目标检测算法依赖油罐圆形特征,对于背景复杂和存在大量小目标的情况检测效果差的问题,提出一种多尺度并联卷积神经网络油罐目标检测算法.首先根据油罐目标尺寸对各神经网络检测效果的影响规律,采用不同网络架构分别检测不同尺寸的油罐目标;其次利用经过训练的分类网络对上述检测结果进行后处理,剔除可能存在的误检;最后将所有结果共同进行非极大值抑制,从而实现不同尺寸油罐目标的检测.对多个数据集下的遥感影像进行了测试,实验结果表明,与传统经典的目标检测算法相比,该算法明显提高了油罐目标的检测精度、召回率和鲁棒性;同时级联分类网络对检测结果的后处理过程也大大降低了油罐目标检测的虚警率,提高了可靠性. 相似文献
1