Changchun Institute of Optics,Fine Mechanics and Physics,CAS
| 改进YOLO V3遥感图像飞机识别应用 | |
郑志强; 刘妍妍; 潘长城; 李国宁
| |
| 2019 | |
| 发表期刊 | 电光与控制
 |
| 卷号 | 26期号:04页码:28-32 |
| 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%。 |
| 关键词 | 卷积神经网络 YOLO V3 K-means Densenet 飞机识别 遥感图像 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.ciomp.ac.cn/handle/181722/63808 |
| 专题 | 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. |
| 条目包含的文件 | 下载所有文件 | |||||
| 文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
| 改进YOLO V3遥感图像飞机识别应用.（391KB） | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 | |
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [郑志强]的文章 |
| [刘妍妍]的文章 |
| [潘长城]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [郑志强]的文章 |
| [刘妍妍]的文章 |
| [潘长城]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [郑志强]的文章 |
| [刘妍妍]的文章 |
| [潘长城]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
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。
修改评论