Print

基于深度神经网络剪枝的两阶段遥感图像目标检测

论文摘要

在高分辨率遥感图像目标检测中,受云雾、光照、复杂背景、噪声等因素影响,现有目标检测方法虚警率高、速度慢、精确度低.为此提出基于深度神经网络剪枝的两阶段目标检测(object detection based on deep pruning,ODDP)方法.首先,给出深度神经网络剪枝方法,基于深度神经网络剪枝分别提出自主学习区域提取网络算法与优化训练分类网络算法;然后,将上述两算法用于卷积神经网络,得到两阶段目标检测模型.实验结果表明,在NWPU VHR-10高分辨率遥感数据集上,相比现有目标检测方法,ODDP的检测速度和精度均有一定提升.

论文目录

  • 1 基于深度神经网络剪枝的两阶段目标检测方法
  •   1.1 深度神经网络剪枝
  •   1.2 自主学习区域提取网络
  •   1.3 优化训练分类网络
  • 2 实验与分析
  • 3 结语
  • 文章来源

    类型: 期刊论文

    作者: 王生生,王萌,王光耀

    关键词: 计算机视觉,目标检测,高分辨率遥感图像,深度学习,卷积神经网络

    来源: 东北大学学报(自然科学版) 2019年02期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 工业通用技术及设备,自动化技术

    单位: 吉林大学计算机科学与技术学院

    基金: 国家自然科学基金资助项目(61472161),吉林省科技发展计划项目(20180101334JC,20190302117GX)

    分类号: TP183;TP751

    页码: 174-179

    总页数: 6

    文件大小: 1196K

    下载量: 458

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/d324f6cf691e0b566ab31e66.html