采用改进YOLOv3的高分辨率遥感图像目标检测

作     者：夏英 黄秉坤 XIA Ying;HUANG Bingkun

作者机构：重庆邮电大学计算机科学与技术学院重庆400065 

基　　金：国家自然科学基金(41871226) 重庆市基础与前沿研究计划项目(cstc2019jcyjmsxmX0131) 

出 版 物：《重庆邮电大学学报（自然科学版）》 (Journal of Chongqing University of Posts and Telecommunications(Natural Science Edition))

年 卷 期：2022年第34卷第3期

页      码：383-392页

摘      要：由于高分辨率遥感图像存在目标排列密集、尺寸差别大等情况,传统算法难以准确地对其进行目标检测。在YOLOv3算法的基础上,提出一种改进的高分辨率遥感图像目标检测算法(remote sensing-YOLO,RS-YOLO)。利用K-means聚类算法对数据集进行聚类,重新设计适合遥感图像的先验框;引入高斯模型计算预测框的不确定度,以提高网络对预测框坐标的准确度;使用弱化的非极大值抑制算法(soft non-aximum suppression,Soft-NMS)对预测框进行处理,增强算法对密集排列目标的检测能力。实验结果表明,改进后的算法能够对高分辨率遥感图像进行有效的目标检测,以NWPU VHR-10数据集为例,RS-YOLO的平均检测精度达到了87.97%。

主 题 词：深度学习 目标检测 高分辨率遥感图像 YOLOv3算法 高斯模型 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.3979/j.issn.1673-825X.202010120301

馆 藏 号：203112441...