河北工业大学人工智能与数据科学学院, 天津300100
针对目前算法对遥感图像中背景复杂、目标小而密集的复杂场景下的目标检测精度低的问题,提出了一种基于YOLOv3的改进算法,在YOLOv3的基础上,结合了密集连接网络,利用密集连接块来提取深层特征,增强特征传播,同时引入Distance-IoU(DIoU) loss作为坐标预测的损失函数,使边界框的定位更加准确,此外针对目标间相互遮挡的情况,改进了传统的非极大值抑制算法,使用DIoU代替IoU来克服虚假抑制的问题。对所提算法在三个经典的遥感数据集上进行了测试,实验结果证明,所提方法具有更高的检测精度。
遥感 遥感图像 卷积神经网络 目标检测 YOLOv3网络 密集连接 激光与光电子学进展
2021, 58(20): 2028006
河北工业大学人工智能与数据科学学院, 天津300100
提出一种基于卷积神经网络中残差网络的遥感图像场景分类方法。本文方法在原网络模型中嵌入了跳跃连接和协方差池化两个模块,用于连接多分辨率特征映射和融合不同层次的多分辨率特征信息,并在3个公开的经典遥感数据集上进行了实验。结果证明,本文方法不仅可以将残差网络中不同层次的多分辨率特征信息融合在一起,还可以利用高阶信息来实现更具代表性的特征学习。与已有的分类方法相比,本文方法在场景分类问题上拥有更高的分类精度。
图像处理 遥感图像 卷积神经网络 场景分类 残差网络 激光与光电子学进展
2021, 58(2): 0210001
