文献类型：期刊文章

作　　者：董彪[1] 熊风光[1] 韩燮[1] 况立群[1] 徐清宇[2]

DONG Biao;XIONG Fengguang;HAN Xie;KUANG Liqun;XU Qingyu(College of Big Data,North University of China,Taiyuan 030051,China;Simulation Equipment R&D Department,North Automatic Control Technology Institute,Taiyuan 030051,China)

机构地区：[1]中北大学大数据学院,太原030051 [2]北方自动控制技术研究所仿真装备研发部,太原030051

出　　处：《计算机工程与应用》

基　　金：国家重点研发计划(No.2018YFB2101504);国家部委基金;山西省重点研发计划(No.201803D121081,No.201903D121147);山西省自然科学基金(No.201901D111150)。

年　　份：2020

卷　　号：56

期　　号：18

起止页码：209-213

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对遥感图像中建筑物检测存在小型建筑物检测难度大、检测过程中无法满足实时性等问题,提出将基于深度学习的目标检测算法Yolo v3应用到建筑物检测场景中。以实时性及泛用性良好的Yolo v3为基本算法,满足实时性的要求;通过改进Yolo v3的网络结构,以修改特征图分辨率、调整先验框维度为方向加强对小型建筑物的检测能力。实验结果表明,改进的Yolo v3目标检测算法既满足了实时性的要求,且检测精度和召回率达到了91.29%和95.61%,较原算法分别提高了5.35%和2.34%。因此提出的改进方法有效解决了遥感领域小型建筑物的检测问题。

关 键 词：目标检测 遥感 深度学习  Yolo v3  图像处理

分 类 号：TP391]