基于深度卷積神經(jīng)網(wǎng)絡(luò)的油罐目標(biāo)檢測研究
關(guān)鍵詞：深度學(xué)習(xí) 卷積神經(jīng)網(wǎng)絡(luò) 遙感目標(biāo)檢測 油罐
摘要：油罐是用于儲存油品的工業(yè)設(shè)施,常用在煉油廠等工業(yè)園中,通過衛(wèi)星或航空遙感圖像實現(xiàn)油罐目標(biāo)的快速檢測,可以實現(xiàn)對侵占生態(tài)保護紅線的疑似工業(yè)園區(qū)的快速查找,為自然資源監(jiān)管和生態(tài)環(huán)境保護提供科學(xué)技術(shù)支持。探討了基于深度卷積神經(jīng)網(wǎng)絡(luò)在高分辨率遙感影像目標(biāo)檢測中的有效性,基于深度學(xué)習(xí)目標(biāo)檢測算法中具有代表性的Faster R-CNN(Convolutional Neural Network)和R-FCN(Region-based Fully Convolutional Network)框架,通過對ZF、VGG16、ResNet-50 3種網(wǎng)絡(luò)模型進行訓(xùn)練和測試,實現(xiàn)了遙感影像上油罐目標(biāo)的快速檢測;通過修改錨點尺度和數(shù)量,豐富了候選框類型和數(shù)量,提升了油罐的目標(biāo)檢測精度,最優(yōu)召回率接近80%。研究表明:深度卷積神經(jīng)網(wǎng)絡(luò)能夠?qū)崿F(xiàn)對高分辨率遙感影像中油罐目標(biāo)的快速檢測,為深度學(xué)習(xí)技術(shù)在遙感小目標(biāo)的快速檢測提供了實例和新的思路。
遙感技術(shù)與應(yīng)用雜志要求:
{1}來稿如獲得某種研究基金或課題資助，請在論文首頁左下角注明課題的名稱和編號。
{2}本刊堅決反對任何形式的論文署名“搭便車”現(xiàn)象，對多作者署名的文章將進行更為嚴(yán)格的審核。
{3}文題應(yīng)以新穎獨特的邏輯文字組合準(zhǔn)確地反映研究工作的內(nèi)容實質(zhì)和特點,文題要求簡潔而信息量豐富。
{4}來稿在正文之外，請?zhí)峁╊}名、內(nèi)容摘要 (300-500字)、關(guān)鍵詞 (3-5條)及其英譯
{5}文稿首頁頁腳處注明投稿日期和通信作者簡介（包括姓名、出生年、性別、職稱、學(xué)位、研究方向、E-mail）。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
