基于深度学习的遥感建筑物识别方法研究  

作　　者：孙晟博 SUN Shengbo

机构地区：[1]沈阳理工大学,辽宁沈阳110000

出　　处：《信息技术与信息化》2023年第3期209-212,共4页Information Technology and Informatization

摘　　要：针对遥感影像建筑物识别中遇到的小目标漏检、背景复杂度高、虚警干扰因素多等问题,提出了一种基于深度学习的改进YOLOv3算法。以一阶段代表算法YOLOv3为基础,通过改进网络结构,修改特征图尺度,嵌入空洞卷积模块,加强算法检测能力和精度。实验数据表明,改进YOLOv3算法在满足了实时性的基础上,平均检测精度和召回率都较之原算法分别提高了4.47%和2.59%,因此提出的方法有效提高了对遥感建筑物的检测效果。

关 键 词：深度学习 目标检测 YOLOV3 空洞卷积 建筑物识别 

分 类 号：TP751[自动化与计算机技术—检测技术与自动化装置] TU198[自动化与计算机技术—控制科学与工程] TP18[建筑科学—建筑理论]