基于深度學習的多分辨率海洋目標檢測方法
發(fā)布時間:2025-01-14 04:21
隨著航天遙感技術的發(fā)展,對海洋船舶快速檢測識別需求日益增長;谏疃葘W習提出了一種結(jié)合高低分辨率遙感圖像的船舶目標檢測方法。該方法首先使用YOLO v3模型對寬幅、低分辨率衛(wèi)星遙感圖像中的目標船舶進行快速篩查,然后針對高分辨率衛(wèi)星遙感圖像信息,提出了一種基于注意力機制的RetinaNet模型對目標船舶進行精確匹配與分類。仿真實驗結(jié)果表明,這種改進的RetinaNet模型在目標檢測中具有很好的效果,使用兩種分辨率的衛(wèi)星進行協(xié)同工作能夠有效提升工作效率。
【文章頁數(shù)】:5 頁
【文章目錄】:
0 引言
1 基于低分辨率圖像的船舶快速檢測技術
1.1 YOLO v3檢測模型
1.2 數(shù)據(jù)集構(gòu)建和特征提取
2 基于高分辨率圖像的船舶目標精確分類技術
2.1 A-RetinaNet檢測模型
2.2 數(shù)據(jù)集的構(gòu)建
2.3 檢測結(jié)果及性能評估
3 具體場景運用
4 結(jié)論
本文編號:4026402
【文章頁數(shù)】:5 頁
【文章目錄】:
0 引言
1 基于低分辨率圖像的船舶快速檢測技術
1.1 YOLO v3檢測模型
1.2 數(shù)據(jù)集構(gòu)建和特征提取
2 基于高分辨率圖像的船舶目標精確分類技術
2.1 A-RetinaNet檢測模型
2.2 數(shù)據(jù)集的構(gòu)建
2.3 檢測結(jié)果及性能評估
3 具體場景運用
4 結(jié)論
本文編號:4026402
本文鏈接:http://www.sikaile.net/guanlilunwen/gongchengguanli/4026402.html
最近更新
教材專著