-
题名改进YOLOv5的国产光学影像辐射异常检测方法
- 1
-
-
作者
石一剑
谭海
钟旭辉
-
机构
辽宁工程技术大学测绘与地理科学学院
自然资源部国土遥感卫星应用中心
-
出处
《测绘通报》
CSCD
北大核心
2024年第8期60-65,72,共7页
-
基金
高分辨率对地观测系统重大专项(42-Y30B04-9001-19121)。
-
文摘
随着国产光学卫星数量不断增多,获取的卫星影像数据大规模增加,卫星获取并通过传感器校正处理的影像中存在大量的影像辐射异常问题,影像辐射质量是决定影像质量检验等级评价的重要因子,目前检查主要采用人机交互方式。针对目前光学影像质检存在影像辐射问题,本文提出了利用改进的YOLOv5深度学习网络对辐射异常区域进行目标识别的方法,将改进后的Light-BiFPN特征融合网络和ShuffleNetV2主干网络融入YOLOv5s。通过探索影像辐射异常原理,此网络能够精确判断辐射异常影像目标的范围,训练出的模型能通过锚框较好地检测出辐射问题的范围,为进一步模型的部署应用做好准备工作。
-
关键词
深度学习
轻量化
遥感图像
辐射异常
目标检测
-
Keywords
deep learning
light weight
remote sensing images
radiation anomaly
object detection
-
分类号
P237
[天文地球—摄影测量与遥感]
-
-
题名基于改进DeeplabV3+模型的云检测
被引量：2
- 2
-
-
作者
钟旭辉
谭海
梁雪莹
潘明
石一剑
-
机构
辽宁工程技术大学测绘与地理科学学院
自然资源部国土卫星遥感应用中心
-
出处
《遥感信息》
CSCD
北大核心
2023年第3期106-113,共8页
-
文摘
国产卫星影像数量的快速增长对国产影像的质量控制的精度和效率提出更高的要求,而云检测是遥感影像质量检测的首要问题。针对现有云检测的深度学习模型存在误判、漏判和训练需要花费大量时间的问题,研制一套云检测算法具有重要意义。文章提出了一种基于改进DeeplabV3+模型的云检测方法,通过对Xception网络和空间金字塔池化模块(atrous spatial pyramid pooling,ASPP)进行改进,并加入迁移学习,进而提高模型的精度和效率。分析结果表明,该改进的云检测模型与传统的DeeplabV3+模型相比,准确率提高了3.34%,精确率提高了3.78%,召回率提高了4.47%,平均交并比提高了5.39%,且训练时长和预测时长也有明显的减少。
-
关键词
云检测
DeeplabV3+
Xception网络
空间金字塔池化模块
迁移学习
-
Keywords
cloud detection
DeeplabV3+
Xception network
atrous spatial pyramid pooling
transfer learning
-
分类号
TP75
[自动化与计算机技术—检测技术与自动化装置]
-
