改进YOLO V3遥感图像飞机识别应用
文献类型：期刊论文
| 作者 | 郑志强; 刘妍妍; 潘长城; 李国宁
|
| 刊名 | 电光与控制
 |
| 出版日期 | 2019 |
| 卷号 | 26期号:04页码:28-32 |
| 关键词 | 卷积神经网络 YOLO V3 K-means Densenet 飞机识别 遥感图像 |
| 英文摘要 | 为了准确识别遥感图像中的飞机,基于YOLO V3算法,通过使用K-means算法对数据集进行聚类分析,借鉴Densenet网络的思想,将YOLO V3网络中的两个残差网络模块替换为两个密集网络模块,改进为一种Dense-YOLO深度卷积神经网络结构。对改进前与改进后的网络进行训练,分别选出使两个网络识别效果最好的权重文件,针对高质量遥感图像与过度曝光、云雾遮挡等低质量遥感图像分别进行测试与分析。实验结果表明,新改进的深度卷积神经网络应用在两种图像上效果均有提升。其中,改进的算法在高质量的遥感图像中准确率高达99.72%,比原始算法准确率提升了0.85%,召回率高达98.34%,召回率提升了1.94%。在低质量遥感图像中准确率高达96.12%,比原始算法准确率提升了5.07%,召回率高达93.10%,召回率提升了19.75%。 |
| 源URL | [http://ir.ciomp.ac.cn/handle/181722/63808]  |
| 专题 | 长春光学精密机械与物理研究所_中科院长春光机所知识产出 |
| 推荐引用方式 GB/T 7714 | 郑志强,刘妍妍,潘长城,等. 改进YOLO V3遥感图像飞机识别应用[J]. 电光与控制,2019,26(04):28-32. |
| APA | 郑志强,刘妍妍,潘长城,&李国宁.(2019).改进YOLO V3遥感图像飞机识别应用.电光与控制,26(04),28-32. |
| MLA | 郑志强,et al."改进YOLO V3遥感图像飞机识别应用".电光与控制 26.04(2019):28-32. |
入库方式： OAI收割
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。