...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Geoscience and Remote Sensing Letters >TEANS: A Target Enhancement and Attenuated Nonmaximum Suppression Object Detector for Remote Sensing Images
【24h】

TEANS: A Target Enhancement and Attenuated Nonmaximum Suppression Object Detector for Remote Sensing Images

机译：Teans：遥感图像的目标增强和衰减非抑制对象检测器

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this letter, we propose an effective approach to learn a convolutional neural network (CNN) model with target enhancement and attenuated nonmaximum suppression (NMS) technique (TEANS) for object detection in optical remote sensing images. TEANS mainly consists of two steps. First, the target enhancement architecture, including target upsampling and reconvolution, is designed into a given deep ResNet-101 model for accurate object detection, especially for small ones. Second, the attenuated NMS technique is used for overcoming wrong eliminations of serried object proposals. For verifying the effectiveness of the TEANS method, evaluations are implemented on a publicly available 15-class optical remote sensing object detection data set. Experimental results show that TEANS can achieve 5.55%, 18.77%, 26.81%, 55.07%, 28.48%, 6.01%, and 5.51% improvements in mean Average Precision (mAP), respectively, compared with standard Faster R-CNN, R-FCN, YOLOv2, SSD, USB-BBR, YOLOv3, and MS-VANs frameworks.
机译：在这封信中，我们提出了一种有效的方法来学习具有目标增强的卷积神经网络（CNN）模型，并衰减非最少抑制（NMS）技术（Tean）在光遥感图像中的对象检测。 Teans主要包括两个步骤。首先，目标增强架构（包括目标上采样和重建）设计成给定的深度Reset-101模型，用于精确对象检测，尤其是小型物体检测。其次，衰减的NMS技术用于克服错误的对象提案的错误。为了验证Teans方法的有效性，评估在公开的15级光学遥感对象检测数据集上实施。实验结果表明，与标准更快的R-CNN，R-FCN，R-FCN相比，Teans分别可以分别达到5.55％，18.77％，26.81％，55.07％，28.48％，55.07％，28.48％，5.01％和5.51％的改善，YOLOV2，SSD，USB-BBR，YOLOV3和MS-VANS框架。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 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