科研之友
微信
新浪微博
Facebook
分享链接
摘要
现有基于深度学习的单棵树木检测方法一般是对同个树木对象产生重复的候选框，然后通过非极大值抑制方法进行过滤，以确定每个对象最终的边框.这种方法对于孤立的树木对象能够起到很好的作用，但对密集重叠的树木场景中的单棵树木检测结果并不理想.本文提出一种基于迭代框架的密集场景单棵树木检测方法.该方法采用迭代框架统合两轮训练过程，首先在第1轮训练中提取边框，然后在第2轮训练中引入迭代边框，对候选边框进行筛除后再执行非极大值抑制过程，最后将非极大值抑制结果和迭代边框进行合并整合，这种方法将重叠边框分配到两轮训练中分别处理，减少了候选框之间的干扰；此外，该方法在两轮训练中可以采用不同的网络，本文通过实验得到最为适配的组合.为验证本文方法的有效性，本文采集和标注了密集重叠场景的树木数据集，并在该数据集上进行了实验和结果分析，实验结果表明本文提出的方法与现有方法相比，树木检测的准确率和召回率分别提升了2.4%和2.7%,能够有效提升密集场景树木检测的准确率.
- 单位
