首页> 中文期刊> 《长春师范大学学报》 >基于深度学习的遥感图像目标定位与计数

基于深度学习的遥感图像目标定位与计数

         

摘要

近年基于深度学习的语义/实例分割技术不断发展,分割性能持续提高,但对物体形状的精确分割仍然不轻松,并且很多任务中(即使不是遥感领域)可能对精确分割并无需求而只需要对目标进行位置估计。在遥感影像中定位物体质心是解决不需要对物体形状进行精确分割的一种简单方法。因此,本文对利用深度神经网络定位遥感图像目标质心的可行性进行了研究,对经典HRNet语义分割架构进行了修改和适应,提出了一种基于HRNet架构的专门用于目标定位和计数的全卷积神经网络Centroid-HRNet,在保持原模型结构的同时实现简单性的质心检测。使用“马萨诸塞州建筑数据集”对模型进行了测试和评估,与其他方法相比,本文评价结果达到了较好的精度,而且简单。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号