| 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(jī)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(jì)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(jìn)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(jìn)行實(shí)驗(yàn)，對特定監(jiān)控區(qū)域內(nèi)的儲油罐進(jìn)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(jìn)行修剪；使用k-means++聚類算法進(jìn)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(jìn)一步提升推理速度和準(zhǔn)確度。實(shí)驗(yàn)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(jìn)行的對比實(shí)驗(yàn)中均體現(xiàn)出了更高效的特點(diǎn)。MSA-YOLO算法對儲油罐進(jìn)行準(zhǔn)確且實(shí)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。 | |
Copyright ? 2005-2024 華北計算機(jī)系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號-2