基于卷积神经网络模型Faster R-CNN 的 遥感影像目标识别研究 雷忠腾，宋杰 (青岛中油岩土工程有限公司，山东青岛266071)摘 要：目标识别是遥感高分辨率影像时代的重要应用方向。采用深度卷积神经网络对遥感影像学习训练，能 够从遥感影像中自动提取出多个具有代表性的典型地物特征以及特征组合，并应用于多变而复杂的遥感...
基于改进的Faster R-CNN目标检测算法研究.pdf,摘要 基于改进的Faster R-CNN 目标检测算法研究 近年来,计算机视觉在日常生活中的重要作用日益凸显。目标检测作为计算 机视觉的基本工作之一,得到了普遍的应用,不仅可以对目标进行识别还可以对 图片、视频等资料进行解释,可
基于Faster R-CNN的高分二号遥感 影像特定目标识别 China Sciencepaper王井利阎鑫
复杂，边界不明显，其整体识别准确率为75.1%o研究表明，引入SKNet网络的Faster R-CNN网络模型，不仅增强了模型对多尺度复杂目标的特征提取能力，更适用于对复杂海洋目标的检测与识别。关键词：注意力机制；SENet模型；SKNet模型；区域候选网络；Faster R-CNN模型；目标检测；深度学习 中图分类号：S932.2；TP399文献...
至此, Faster R - CNN 框架将特征提取,候选窗口生成,目标分类和边框回 归 4 个步骤统一到一个深度网络框架之内,使得目 标检测流程更为简洁,检测精度得到大幅提升[12] . 高分辨率遥感图像具有目标物体体积小,数量 多,位置多样,地物干扰性大等特点,本文以高分辨率 遥感图像中的机场为检测场景,飞机为检测目标,训练...
公路结构病害探地雷达图像智能识别与信号处理研究 提出了基于Faster R-CNN(Regions with Convolutional Neural Network)的公路结构病害快速识别算法,可从探地雷达探测图像中快速普查病害.针对公路结构病害识别任务的特点... 龚致民 - 重庆大学 被引量: 0发表: 2020年 基于深度卷积神经网络的飞行器图像识别算法研究 在...
本发明涉及一种基于Faster Rcnn的小目标检测识别方法,属于计算机视觉识别系统技术领域,具体包括配置环境,搭建基于Faster Rcnn的小目标检测识别模型以及模型训练平台,小目标检测识别模型包括数据预处理;骨干网络、区域建议网络和头部网络。本申请的有益效果为:用resnet50作为主干网络提取图像特征,以及配合使用Roi Align方法,...
Faster R-CNN算法K-Means聚类算法Faster R-CNN算法是一种基于区域建议网络的深度学习网络模型,近年被提出并应用于目标检测与识别领域.Faster R-CNN算法中区域建议网络的创新性提出,使之相对于经典的R-CNN算法和FastR-CNN算法有效地提高了目标检测的速度.本文分析了Faster R-CNN算法中区域建议网络的实现方法,并在...
的Faster R-CNN模型与原模型进行对比测试试验.结果表明:改进的模型虽然略微增加了计算量,但其特征提取能力与目标检测能力明显强于原模型,整体识别准确率为87.1%;在4类典型海洋目标中,船舶的识别准确率最高,可达94.4%,而红树林由于其特征比较复杂,边界不明显,其整体识别准确率为75.1%.研究表明,引入SKNet网络的Faster...
基于深度学习的特征表达按构成单元不同可以分为基于限制玻尔兹曼机(Restricted Boltzmann Machine,RBM)、基于自编码机(Auto Encoder,AE)、基于卷积神经网络(Convolutional Neural Network,CNN)的特征表达方法。 a)基于限制玻尔兹曼机的特征表达 RBM是一个双层的无向图模型,它是玻尔兹曼机的简化模型,RBM模型示意图如下图所...