内容提供者
基于深度进化剪枝卷积网的遥感图像目标检测方法.pdf
2023-05-12
10金币
692KB
22页
一吃****福乾
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共22页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
基于深度进化剪枝卷积网的遥感图像目标检测方法.pdf
本发明公开了一种基于深度进化剪枝卷积网的遥感图像目标检测方法,解决现有遥感图像目标检测中未对检测速度及检测精度同时全局有效优化的问题。具体步骤:处理数据集;构建深度卷积特征提取子网;构建全卷积FCN检测子网;构建并训练深度卷积目标检测网络;构建并训练基于深度进化剪枝卷积网的目标检测网络;用训练好的模型对测试数据集进行目标检测;输出测试结果。本发明用深度可分离卷积构造反残差结构,在高检测精度的同时大幅降低模型参数量;目标检测网络与进化剪枝相结合,实现全局加速。本发明大幅降低计算量、显著提高目标检测速度,检测
2023-05-12
10
692KB
基于深度卷积神经网络的遥感图像目标检测方法.docx
基于深度卷积神经网络的遥感图像目标检测方法标题：基于深度卷积神经网络的遥感图像目标检测方法摘要：随着遥感技术的快速发展，大量的遥感图像数据应用于各种领域，如城市规划、环境监测和农业。遥感图像目标检测是从遥感图像中自动提取感兴趣的目标区域的关键任务。本文提出了一种基于深度卷积神经网络的遥感图像目标检测方法，该方法能够准确地检测出遥感图像中的目标，并具有较高的鲁棒性和性能。1.引言近年来，随着深度学习和神经网络的快速发展，目标检测在计算机视觉领域取得了显著的进展。然而，由于遥感图像的高分辨率和复杂背景，传统的
2024-10-18
5
10KB
基于集成深度卷积网络的光学遥感图像目标检测方法.pdf
本发明公开了一种基于集成深度卷积网络的光学遥感图像目标检测方法,主要解决现有技术中误检目标多以及测试过程复杂繁琐的问题。本发明的具体步骤如下:(1)搭建多分支深度网络;(2)生成含有目标区域训练数据集;(3)第一次训练集成深度卷积网络;(4)生成所有区域训练数据集;(5)第二次训练集成深度卷积网络;(6)生成测试数据集;(7)得到检测结果图;(8)计算平均精度。本发明能够提取所有无目标区域的目标候选框作为负样本,充分利用光学遥感图像的信息,更好地区分光学遥感图像中的目标和复杂的背景,具有测试过程简单、检测
2023-05-11
10
1.2MB
基于深度卷积神经网络的遥感图像目标检测.docx
基于深度卷积神经网络的遥感图像目标检测基于深度卷积神经网络的遥感图像目标检测摘要：随着遥感技术和深度学习算法的快速发展，将深度卷积神经网络（DCNN）应用于遥感图像目标检测已经成为一种热门的研究方向。传统的遥感图像目标检测方法在处理大尺度、复杂背景、多类别的目标时存在一定的局限性。而DCNN作为一种端到端的网络结构，有着深度特征学习和判别性能强大等优势，可以有效地提高遥感图像目标检测的准确性和鲁棒性。本文主要介绍了基于DCNN的遥感图像目标检测的研究现状和方法，重点讨论了DCNN在航空遥感图像和卫星遥感图
2024-10-20
5
12KB
基于卷积神经网络的遥感图像舰船目标检测.docx
基于卷积神经网络的遥感图像舰船目标检测基于卷积神经网络的遥感图像舰船目标检测摘要：近年来，随着遥感技术的飞速发展和海洋资源的不断开发利用，舰船目标检测成为了一个富有挑战性的问题。传统的目标检测方法在应对海上环境复杂、舰船目标尺度不一致等问题上具有较大的局限性。本文基于卷积神经网络，通过构建深度学习模型，提出了一种高效准确的舰船目标检测方法。实验结果表明，该方法在遥感图像舰船目标检测中具有较高的检测准确率和鲁棒性。关键词：卷积神经网络，遥感图像，舰船目标检测，深度学习，检测准确率1.引言舰船目标检测在海洋资
2024-11-01
5
11KB