高分影像密集建筑物Correg-YOLOv3检测方法

作     者：陈占龙 李双江 徐永洋 徐道柱 马超 赵军利 CHEN Zhanlong;LI Shuangjiang;XU Yongyang;XU Daozhu;MA Chao;ZHAO Junli

作者机构：中国地质大学(武汉)地理与信息工程学院湖北武汉430078 中国地质大学(武汉)地质探测与评估教育部重点实验室湖北武汉430074 自然资源部城市国土资源监测与仿真重点实验室广东深圳518034 西安测绘研究所陕西西安710054 地理信息工程国家重点实验室陕西西安710054 中国地质大学(武汉)计算机学院湖北武汉430078 中南电力设计院有限公司湖北武汉430071 

基　　金：国家自然科学基金(41871305) 国家重点研发计划(2017YFC0602204) 中央高校基本科研业务费专项(CUGQY1945) 地质探测与评估教育部重点实验室主任基金和中央高校基本科研业务费(GLAB2019ZR02) 自然资源部城市国土资源监测与仿真重点实验室开放基金资助课题(KF-2020-05-068) 

出 版 物：《测绘学报》 (Acta Geodaetica et Cartographica Sinica)

年 卷 期：2022年第51卷第12期

页      码：2531-2540页

摘      要：精准地检测建筑物目标对于城市规划、智慧城市建设和军事民事活动中均有重要意义。针对高分辨率遥感影像中密集型建筑物检测框重叠比高的问题,本文提出了一种Correg-YOLOv3(corner regression-based YOLOv3)检测方法,该方法以YOLOv3网络架构为基础,通过嵌入角点回归机制,增设一个关于顶点相对于边界框中心点的偏移量的额外损失项,扩展其输出维度,使其可同时输出矩形检测框及建筑物角点,实现密集分布的建筑物精准定位。最后,通过试验对本文方法进行定性和定量的评估。试验研究结果表明:本文方法检测精度、召回率、F1和平均精度分别达到了96.45%、95.75%、96.10%和98.05%,较原算法YOLOv3分别提高了2.73%、5.4%、4.1%和4.73%。因此,本文方法有效解决了高分影像中密集型建筑物的检测问题。

主 题 词：高分遥感影像 Correg-YOLOv3 角点回归 密集建筑物 目标检测 

学科分类：083002[083002] 0830[工学-生物工程类] 081802[081802] 08[工学] 0818[工学-交通运输类] 081602[081602] 0816[工学-纺织类] 0714[0714] 0701[理学-数学类] 

核心收录：

D　O　I：10.11947/j.AGCS.2022.20210177

馆 藏 号：203116278...