針對華北地區(qū)尾礦庫自動提取問題,將基于深度學(xué)習(xí)的SSD目標(biāo)檢測模型應(yīng)用于遙感圖像尾礦庫提取。首先標(biāo)記華北地區(qū)2 000個樣本,隨機挑選1 500個作為訓(xùn)練樣本,剩余樣本作為測試樣本,驗證模型的檢測精度。分析卷積層對應(yīng)感受野與圖像中尾礦庫尺寸關(guān)系,發(fā)現(xiàn)原始SSD模型漏檢誤檢大型尾礦庫。改進SSD模型結(jié)構(gòu),提出增加額外卷積層的策略,提高對大型尾礦庫目標(biāo)的檢測精度。實驗表明,在置信度閾值為0. 3時,改進的SSD模型相比原始模型,檢測精確率提高10. 0%,召回率提高14. 4%,提高了大型尾礦庫檢測精度。驗證了基于深度學(xué)習(xí)的SSD目標(biāo)檢測模型自動提取尾礦庫的可行性以及改進算法的有效性。 

【文章來源】：中國科學(xué)院大學(xué)學(xué)報. 2020,37(03)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

尾礦庫結(jié)構(gòu)圖

特征圖中的預(yù)設(shè)框示意圖

圖3 特征圖中的預(yù)設(shè)框示意圖損失函數(shù)計算時，設(shè)xpij={1,0}表示的是匹配到的第i個預(yù)設(shè)框和第j個真值框?qū)儆陬悇ep的匹配程度，總的損失函數(shù)是位置損失(loc)與置信度損失(conf)的加權(quán)和，計算公式為

【參考文獻】：
期刊論文
[1]基于稠密卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像自動色彩校正[J]. 朱思捷,雷斌,吳一戎.  中國科學(xué)院大學(xué)學(xué)報. 2019(01)
[2]深度卷積神經(jīng)網(wǎng)絡(luò)在遷移學(xué)習(xí)模式下的SAR目標(biāo)識別[J]. 李松,魏中浩,張冰塵,洪文.  中國科學(xué)院大學(xué)學(xué)報. 2018(01)
[3]基于光譜紋理特征融合和神經(jīng)網(wǎng)絡(luò)的地表發(fā)射率獲取方法（英文）[J]. 徐開發(fā),雷斌,張月婷.  中國科學(xué)院大學(xué)學(xué)報. 2018(01)
[4]基于深度學(xué)習(xí)的微博用戶自殺風(fēng)險預(yù)測[J]. 田瑋,朱廷劭.  中國科學(xué)院大學(xué)學(xué)報. 2018(01)
[5]低數(shù)據(jù)資源條件下基于Bottleneck特征與SGMM模型的語音識別系統(tǒng)[J]. 吳蔚瀾,蔡猛,田垚,楊曉昊,陳振鋒,劉加,夏善紅.  中國科學(xué)院大學(xué)學(xué)報. 2015(01)
[6]黑龍江省礦集區(qū)尾礦庫遙感監(jiān)測與分析[J]. 高永志,初禹,梁偉.  國土資源遙感. 2015(01)
[7]陜西省尾礦庫遙感調(diào)查與環(huán)境影響分析[J]. 強建華.  金屬礦山. 2013(10)
[8]我國尾礦庫現(xiàn)狀及問題分析[J]. 侯興玉.  現(xiàn)代礦業(yè). 2013(10)
[9]鄂東南尾礦庫高分辨率遙感圖像識別因子研究[J]. 郝利娜,張志,何文熹,陳騰.  國土資源遙感. 2012(03)
[10]我國尾礦庫安全現(xiàn)狀及事故防治措施[J]. 門永生,柴建設(shè).  中國安全生產(chǎn)科學(xué)技術(shù). 2009(01)



本文編號：3144513