检索结果-内蒙古大学图书馆

海洋测绘 2022年第2期42卷 59-64页

作者：余培东王鑫江刚武刘建辉徐佰祺战略支援部队信息工程大学数据与目标工程学院河南郑州450001

深度学习技术发展迅速,在目标检测中表现出良好的适应性。针对YOLOv4算法在遥感影像桥梁目标检测任务中的检测效率较低和模型轻量化不足问题,使用轻量化的MobileNetv3骨干网络替换原始CSPDarkNet53骨干网络,将传统卷积层替换为深度超参... 详细信息

深度学习技术发展迅速,在目标检测中表现出良好的适应性。针对YOLOv4算法在遥感影像桥梁目标检测任务中的检测效率较低和模型轻量化不足问题,使用轻量化的MobileNetv3骨干网络替换原始CSPDarkNet53骨干网络,将传统卷积层替换为深度超参数化卷积层(DO_Conv),提出一种兼具精度和检测效率的轻量化模型。实验表明:比较原始YOLOv4算法,本文算法将模型权重降低55%,检测效率提升70%以上,证明了本文改进之处的有效性;在精度方面,本文算法在与SSD、RetinaNet、YOLOv3和CenterNet等经典目标检测算法比较中仍保持精度优势。与YOLOv4算法相比,本文算法在难度较低的检测任务中精度损失较低,但在检测难度较高的DOTA桥梁数据集中精度损失明显。

关键词：桥梁目标检测 YOLOv4算法 MobileNetv3算法深度超参数化卷积轻量化模型

来源：评论

学校读者我要写书评

暂无评论

融合注意力机制和深度超参数化卷积的遥感影像桥梁目标检测算法

引用

科学技术创新 2023年第25期 38-41页

作者：余培东中铁第一勘察设计院集团有限公司陕西西安

深度学习技术发展迅速,应用深度学习技术进行遥感影像快速自动化处理使得遥感技术现代化成为可能。针对现有目标检测算法对遥感影像桥梁目标检测精度较差的缺陷,本文以YOLOv4算法为基础,通过嵌入注意力机制模块以及替换传统卷积层为深... 详细信息

深度学习技术发展迅速,应用深度学习技术进行遥感影像快速自动化处理使得遥感技术现代化成为可能。针对现有目标检测算法对遥感影像桥梁目标检测精度较差的缺陷,本文以YOLOv4算法为基础,通过嵌入注意力机制模块以及替换传统卷积层为深度超参数化卷积来加强算法的特征提取能力,从而提升算法检测精度,并设计实验进行对比验证。实验结果表明:本文提出的算法在不显著增加算法训练成本的前提下,使高分桥梁数据集的AP提高至80.4%,DOTA桥梁数据集的AP提高至67.2%,有效证明了本文改进算法的有效性。

关键词：深度学习遥感影像桥梁目标检测注意力机制深度超参数化卷积

来源：评论

学校读者我要写书评

暂无评论

面向桥梁目标自动检测的多源遥感图像融合模型与方法

引用

电子与信息学报 2006年第10期28卷 1794-1797页

作者：蒋咏梅刘伟雷琳国防科技大学电子科学与工程学院长沙410073

作为信息增值的一种有效手段,图像融合技术已广泛地用于成像遥感应用领域。面向目标识别的图像融合需依据不同的目标任务建立不同的融合模型。该文提出了适于桥梁目标自动检测的多源遥感图像融合模型和方法。该模型充分考虑了数据源特... 详细信息

作为信息增值的一种有效手段,图像融合技术已广泛地用于成像遥感应用领域。面向目标识别的图像融合需依据不同的目标任务建立不同的融合模型。该文提出了适于桥梁目标自动检测的多源遥感图像融合模型和方法。该模型充分考虑了数据源特性、遥感图像中的桥梁目标特征和目标背景特征,能在复杂大幅场景中有效地检测桥梁。真实多源遥感图像的实验结果验证了该模型和方法的合理性。

关键词：图像融合融合模型桥梁目标检测

来源：评论

学校读者我要写书评

暂无评论

遥感影像桥梁目标单阶段检测算法研究

遥感影像桥梁目标单阶段检测算法研究

引用

作者：余培东战略支援部队信息工程大学

学位级别：硕士

当前,基于深度学习的遥感影像目标检测是遥感影像处理领域的研究热点和难点,在民用领域和军事领域都具有重要意义。桥梁作为一类典型人工建筑物,在交通网络中起枢纽作用,快速准确地从遥感影像中检测桥梁目标,在最优路径选择、地理信息... 详细信息

当前,基于深度学习的遥感影像目标检测是遥感影像处理领域的研究热点和难点,在民用领域和军事领域都具有重要意义。桥梁作为一类典型人工建筑物,在交通网络中起枢纽作用,快速准确地从遥感影像中检测桥梁目标,在最优路径选择、地理信息系统更新以及武器精确制导等方面具有较强的应用价值。本文以遥感影像中的桥梁目标为研究对象,重点围绕单阶段目标检测的关键技术展开深入研究,旨在解决桥梁目标检测中效率和精度较低等缺陷,并取得了一定的研究成果。本文完成的主要工作总结如下:1.针对现有遥感影像目标检测中可用于深度学习模型训练的桥梁数据集不足的问题,通过图像切割和标签文件格式转换等数据处理,构建可用于模型训练检测的遥感影像桥梁数据集。2.针对经典单阶段目标检测算法YOLOv4在遥感影像桥梁目标检测任务中算法检测效率较低的缺陷,提出了一种轻量化遥感影像桥梁目标检测模型。首先在模型训练过程中使用多尺度训练和混合精度训练降低模型的训练成本,进而使用轻量化的Mobile Netv3骨干网络替换算法原始的CSPDark Net53骨干网络,最后在实验数据集中设计多组对照实验来验证算法性能。实验结果表明:模型训练策略优化在几乎不影响算法检测精度的前提下,能够有效降低模型的训练成本;使用轻量化骨干网络可以大幅度提高算法的检测效率,同时在检测难度较小的数据集中检测精度损失极小,但是在检测难度较高的数据集中检测精度损失明显。3.针对轻量化模型在桥梁目标检测精度方面的不足,提出了一种结合注意力机制和深度超参数化卷积的桥梁目标检测算法。通过嵌入注意力机制的方式加强算法骨干网络的特征提取能力,同时使用深度超参数化卷积替换算法原始卷积层,并设计多组对照实验来验证算法性能。实验结果表明:相比较于CBAM模块,SE模块在少量降低算法推理速度的前提下,获得了更高的检测精度提升;深度超参数化卷积在不降低算法推理速度的同时可以有效提高算法的检测精度;相比较SSD、Retina Net、YOLOv3和Center Net算法等,本文提出的算法在使用不同骨干网络情况下,获得了更优的检测效率和检测精度,可以在多种桥梁目标检测任务需求中得到应用。

关键词：遥感影像桥梁目标检测深度学习单阶段检测算法训练策略优化轻量化模型注意力机制

来源：评论

学校读者我要写书评

暂无评论

结合训练加速及注意力机制的桥梁检测算法

引用

海洋测绘 2021年第3期41卷 57-61页

作者：余培东王鑫江刚武刘建辉徐佰祺战略支援部队信息工程大学数据与目标工程学院河南郑州450001

在解析YOLOv4算法基础上,针对应用YOLOv4算法检测遥感影像桥梁目标任务中出现的训练耗时严重及精度较低缺陷,从算法训练过程和结构模块两方面进行优化:使用多尺度训练以及fp16训练策略降低算法训练成本,并引入SE模块和CBAM模块两种注意... 详细信息

在解析YOLOv4算法基础上,针对应用YOLOv4算法检测遥感影像桥梁目标任务中出现的训练耗时严重及精度较低缺陷,从算法训练过程和结构模块两方面进行优化:使用多尺度训练以及fp16训练策略降低算法训练成本,并引入SE模块和CBAM模块两种注意力机制提升算法检测精度。消融实验结果表明:优化训练策略能够有效降低算法训练成本,同时提高目标检测精度;相比较CBAM模块,SE模块对算法训练成本增加较小却能收获显著的检测精度提升,优化训练策略并嵌入SE模块的算法,使高分桥梁数据集和DOTA桥梁数据集的平均准确率分别提升1.4%和3%。该优化算法兼具效率和精度优势,为桥梁目标检测难题提供有效解决方法。

关键词：遥感影像桥梁目标检测 YOLOv4算法训练策略优化注意力机制

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：