TY -的A2 Teekaraman Yuvaraja AU - Lv,易盟-阴,Zhengbo AU - Yu Zhezhou PY - 2021 DA - 2021/12/18 TI -遥感图像的目标检测算法基于深度学习SP - 3474921六世- 2021 AB -为了提高遥感图像目标检测的准确性,提出了一种遥感图像目标检测算法DFS基于深度学习。首先,维聚类模块、损失函数和滑动窗口分割检测设计。实验中使用的数据集来自national mall,还有6类型的对象:飞机、船、仓库、大型船舶、桥梁、和港口。训练集,验证集和测试集包含73490张图片,22722张图片和2138张图片,分别。假定发现正样本和负样本的数量 一个和 B分别和未被发现的正样本和负样本的数量 C和 D,分别。实验结果表明,DFS六precision-recall曲线类型的目标表明,DFS的检测效果最好的桥梁和最严重的检测效果。主要原因是桥的大小是相对较大的,这显然是区别于背景的图像,因此,检测难度很低。然而,船的目标很小,很容易被与背景混合,因此很难检测到。DFS的地图是提高了12.82%,检测精度提高了13%,召回率略与YOLOv2相比下降了1%。根据探测目标的数量,假阳性的数量(FPs)的DFS比YOLOv2要少得多。假阳性率大大降低。此外,DFS的平均借据是YOLOv2的高出11.84%。对于小目标探测效率和大型遥感图像检测,DFS算法具有明显的优势。SN - 1555 - 4309 UR - https://doi.org/10.1155/2021/3474921 - 10.1155 / 2021/3474921摩根富林明对比媒体与分子成像PB - Hindawi KW - ER