期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于SU-RetinaNet的高分辨率遥感影像非正规垃圾堆检测 被引量：2
1
作者 吴同 彭玲 胡媛 《国土资源遥感》 CSCD 北大核心 2020年第3期90-97,共8页
我国城镇化水平的提升和垃圾处理基础设施的不完善,致使我国非正规垃圾堆放问题日益突出。高分辨率遥感影像的发展为非正规垃圾堆的宏观、高效管理提供了可能。目前常用的目视解译和传统监督分类的方法不仅非常耗时,且数据中的深层特征... 我国城镇化水平的提升和垃圾处理基础设施的不完善,致使我国非正规垃圾堆放问题日益突出。高分辨率遥感影像的发展为非正规垃圾堆的宏观、高效管理提供了可能。目前常用的目视解译和传统监督分类的方法不仅非常耗时,且数据中的深层特征难以被挖掘,检测精度有限。利用卷积神经网络技术,提出了基于样本更新和RetinaNet的高分辨率遥感影像非正规垃圾堆检测框架(sample updated-RetinaNet,SU-RetinaNet),分析了不同参数和网络结构对模型检测效果的影响,同时比较了利用可变形部件模型(deformable parts model,DPM)、区域卷积神经网络(region-based convolutional neural network,R-CNN)、快速区域卷积神经网络(faster R-CNN,Faster R-CNN)、RetinaNet和SU-RetinaNet 5种算法进行非正规垃圾堆检测的性能。实验结果表明,利用SU-RetinaNet进行非正规垃圾堆检测的平均精度可以达到85.92%,每张图的检测速度约为0.097 s。相比传统方法,SU-RetinaNet在很大程度上提高了非正规垃圾堆的检测效率,为城市垃圾的有效监测管理提供了一个可行的技术方案。 展开更多
关键词 高分辨率遥感影像 卷积神经网络 su-retinanet 非正规垃圾堆检测
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部