针对地震后利用遥感图像检测受损建筑物,本研究提出了一种基于改进YOLOv3模型的受损建筑物识别方法。首先,通过深入分析尺度特征,对主干网络进行了针对性优化,增强了模型对微小目标特征的捕获能力。其次,引入感受野模块(Receptive Field...针对地震后利用遥感图像检测受损建筑物,本研究提出了一种基于改进YOLOv3模型的受损建筑物识别方法。首先,通过深入分析尺度特征,对主干网络进行了针对性优化,增强了模型对微小目标特征的捕获能力。其次,引入感受野模块(Receptive Field Block,RFB),拓宽了特征图的感知域,提高了对小尺寸目标的检测灵敏度。最后,对锚框及其分配策略进行了精细调整。实验结果表明,相较于原始YOLOv3模型,所提方法检测精度和检测速度均大幅提升,并且在抗噪能力上展现出显著优势;与已有识别方法相比,平均检测精度分别提升了4.8%和5.4%;在处理复杂的目标检测任务时展现出更优的性能和更强的鲁棒性,有效实现了高分辨率遥感图像中受损建筑物的准确识别。展开更多
在毫米波照射下,目标回波可模型化为多个散射中心回波的合成;宽带线性调频连续波(LFMCW)工作体制可以获得目标多散射中心在雷达径向距离轴上的投影分布,即高距离分辨率目标距离像(high range resolution range profile);综合利用距离像...在毫米波照射下,目标回波可模型化为多个散射中心回波的合成;宽带线性调频连续波(LFMCW)工作体制可以获得目标多散射中心在雷达径向距离轴上的投影分布,即高距离分辨率目标距离像(high range resolution range profile);综合利用距离像所提供的目标多散射中心空间分布和截面积信息,可以改善信号检测和跟踪性能,并完成目标识别。展开更多
文摘针对地震后利用遥感图像检测受损建筑物,本研究提出了一种基于改进YOLOv3模型的受损建筑物识别方法。首先,通过深入分析尺度特征,对主干网络进行了针对性优化,增强了模型对微小目标特征的捕获能力。其次,引入感受野模块(Receptive Field Block,RFB),拓宽了特征图的感知域,提高了对小尺寸目标的检测灵敏度。最后,对锚框及其分配策略进行了精细调整。实验结果表明,相较于原始YOLOv3模型,所提方法检测精度和检测速度均大幅提升,并且在抗噪能力上展现出显著优势;与已有识别方法相比,平均检测精度分别提升了4.8%和5.4%;在处理复杂的目标检测任务时展现出更优的性能和更强的鲁棒性,有效实现了高分辨率遥感图像中受损建筑物的准确识别。
文摘在毫米波照射下,目标回波可模型化为多个散射中心回波的合成;宽带线性调频连续波(LFMCW)工作体制可以获得目标多散射中心在雷达径向距离轴上的投影分布,即高距离分辨率目标距离像(high range resolution range profile);综合利用距离像所提供的目标多散射中心空间分布和截面积信息,可以改善信号检测和跟踪性能,并完成目标识别。
