針對遙感影像的MSA-YOLO儲油罐目標(biāo)檢測
所屬分類:技術(shù)論文
上傳者:aetmagazine
文檔大?。?span>6320 K
標(biāo)簽: 計算機視覺 目標(biāo)檢測 深度學(xué)習(xí)
所需積分:0分積分不夠怎么辦?
文檔介紹:原油作為一種重要的戰(zhàn)略物資,在我國經(jīng)濟和軍事等多個領(lǐng)域均起到重要作用。提出一種算法MSA-YOLO(MultiScale Adaptive YOLO),該算法在YOLOv4算法的基礎(chǔ)上進行優(yōu)化,并基于以吉林一號光學(xué)遙感衛(wèi)星影像為主的遙感圖像數(shù)據(jù)集進行實驗,對特定監(jiān)控區(qū)域內(nèi)的儲油罐進行識別與分類。算法優(yōu)化內(nèi)容包括:為簡化儲油罐監(jiān)測模型同時保證模型的效率,對YOLOv4的網(wǎng)絡(luò)結(jié)構(gòu)中的多尺度識別模塊進行修剪;使用k-means++聚類算法進行初始錨框的選取,使模型加速收斂;使用基于CIoU-NMS的優(yōu)化,進一步提升推理速度和準(zhǔn)確度。實驗結(jié)果表明,與YOLOv4相比,MSA-YOLO模型參數(shù)數(shù)量減少25.84%;模型尺寸減少62.13%;在Tesla V100的GPU環(huán)境下,模型的訓(xùn)練速度提升6 s/epoch,推理速度提升15.76 F/s;平均精度為95.65%。與此同時,MSA-YOLO算法在多種通用目標(biāo)識別算法進行的對比實驗中均體現(xiàn)出了更高效的特點。MSA-YOLO算法對儲油罐進行準(zhǔn)確且實時的識別具有通用可行性,可為遙感數(shù)據(jù)在能源期貨領(lǐng)域提供技術(shù)參考。
現(xiàn)在下載
VIP會員,AET專家下載不扣分;重復(fù)下載不扣分,本人上傳資源不扣分。