深度卷积神经网络支持下的遥感影像飞机检测

作者：谢梦; 刘伟^*; 杨梦圆; 柴琪; 吉莉

来源：测绘通报, 2019, (06): 19-23.

DOI：10.13474/j.cnki.11-2246.2019.0177

• YOLOv3
• 遥感影像
• 目标检测
• 扩张卷积
• 深度可分离卷积

针对YOLOv3算法对小目标检测较差及出现较多漏检的问题,本文提出了一种优化的YOLOv3算法。首先使用K-means算法计算出与数据集相适用的锚框;其次将扩张卷积引入到YOLOv3网络,用来增强网络高层的感受野,改善小目标的检测效果;然后使用深度可分离卷积取代YOLOv3网络残差模块中的普通卷积,可减少计算量,从而得到一种新型卷积神经网络结构;最后在数据集上进行对比试验。结果表明,优化的YOLOv3算法能够检测出更多目标,降低漏检率,相比于YOLOv3算法,其召回率提高11.86%,F1-score提高2.99%。

• 单位
  资源与环境信息系统国家重点实验室; 江苏师范大学