基于改进RetinaNet的冷却塔目标检测

基金项目:
中央高校基本科研业务费专项资金项目"点云与序列影像融合的实景三维模型构建"

自然资源部退化及未利用土地整治工程重点实验室开放基金课题"基于深度学习的城市高分遥感变化检测研究"

国家重点研发计划项目"大型煤电基地土地整治关键技术"

详细信息

刊出日期: 2020-12-15

Cooling tower detection based on the improved RetinaNet

Publish Date: 15 December 2020

摘要: 冷却塔排放容易造成大气污染,利用高分辨率遥感影像对冷却塔进行检测,可以为废气排放治理提供决策数据.针对传统算法在高分辨率遥感影像目标检测中检测精度不高、检测速度慢等问题,采用无采样机制改进Reti-naNet目标检测框架从而提取冷却塔.首先,将数据集标注为工作中的冷却塔和非工作中的冷却塔;然后,根据数据集中目标类别数、训练中正样本的比例等特点对分类子网络最后一层的偏置项进行初始化并确定类别自适应阈值,此外,通过回归损失来设置分类损失的调整比例以避免损失函数被众多负样本所支配;最后,采用ResNet50提取图像特征,利用特征金字塔网络(feature pyramid networks,FPN)模块生成多尺度卷积特征金字塔,对每层特征进行检测框回归以及类别置信度计算.实验结果表明:对于高分辨率遥感影像冷却塔目标检测,该算法相比原始RetinaNet模型在保证检测速度的同时提高了检测精度,证明算法的有效性.
- 卷积神经网络 /
- 目标检测 /
- 高分辨率遥感影像 /
- 无采样机制

中国自然资源航空物探遥感中心	主办
地质出版社	出版