| 針對遙感影像的MSA-YOLO儲油罐目標檢測 | |
| 所屬分類：技術論文 | |
| 上傳者：aetmagazine | |
| 文檔大?。?span>6320 K | |
| 標簽： 計算機視覺 目標檢測 深度學習 | |
| 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略物資，在我國經濟和軍事等多個領域均起到重要作用。提出一種算法MSA-YOLO(MultiScale Adaptive YOLO)，該算法在YOLOv4算法的基礎上進行優化，并基于以吉林一號光學遙感衛星影像為主的遙感圖像數據集進行實驗，對特定監控區域內的儲油罐進行識別與分類。算法優化內容包括：為簡化儲油罐監測模型同時保證模型的效率，對YOLOv4的網絡結構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的優化，進一步提升推理速度和準確度。實驗結果表明，與YOLOv4相比，MSA-YOLO模型參數數量減少25.84%；模型尺寸減少62.13%；在Tesla V100的GPU環境下，模型的訓練速度提升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識別算法進行的對比實驗中均體現出了更高效的特點。MSA-YOLO算法對儲油罐進行準確且實時的識別具有通用可行性，可為遙感數據在能源期貨領域提供技術參考。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2