改进Mask R-CNN在航拍灾害检测的应用研究

论文摘要

目标检测在众多领域具有极高的理论意义与应用价值,更稳定、更精确的目标检测方法是目前灾害检测领域研究的热点与难点。将基于深度学习的目标检测方法应用于灾害检测中,提出基于改进Mask R-CNN的航拍灾害检测方法。针对检测中出现的准确率较低,采用改进特征金字塔的结构,充分利用特征映射图的信息,提高各尺寸灾害目标的检测精度;并引入在线困难样本挖掘机制,解决正负样本不均衡的问题,减少误检率和漏检率。同时采用多部件结合的方法剔除误检目标。为验证该方法的有效性,在Tensorflow深度学习框架上,选取不同高度的森林火灾、滑坡、泥石流、地震航拍图像进行验证实验。结果表明,该方法能实现对不同类型的灾害进行快速而又准确的检测,同时对基于其他应用背景的目标识别研究也具有一定的参考意义。

论文目录

• 1 引言
• 2 Mask R-CNN原理
•   2.1 特征提取网络
•   2.2 区域建议网络
•   2.3 兴趣匹配层
•   2.4 分类边界框及掩码生成
• 3 改进Mask R-CNN网络结构
•   3.1 改进特征金字塔结构
•   3.2 引入困难样本挖掘机制
•   3.3 采用多部件结合判定
• 4 实验分析
•   4.1 数据集
•   4.3 实验结果和分析
•     4.3.1 采用不同策略训练网络时的效果
•     4.3.2 特征映射图可视化分析
•     4.3.3 在线挖掘困样本效果对比
•     4.3.4 对比使用多部件结合方法
•   4.4 不同高度和不同类型的灾害检测效果
• 5 结束语

文章来源

类型: 期刊论文

作者: 李梁,董旭彬,赵清华

关键词: 深度学习,灾害检测,特征金字塔,在线困难样本挖掘,多部件结合

来源: 计算机工程与应用 2019年21期

年度: 2019

分类: 信息科技,工程科技Ⅰ辑

专业: 安全科学与灾害防治,计算机软件及计算机应用,自动化技术

单位: 太原师范学院管理系,太原理工大学信息与计算机学院&新型传感器和智能控制教育部(山西)重点实验室微纳系统研究中心

基金: 国家自然科学基金（No.61872261）,山西省社科联重点课题研究项目（No.SSKLZDKT2017090）,太原师范学院大学生创新创业训练项目（No.CXCY1839）

分类号: TP391.41;TP183;X4

页码: 167-176

总页数: 10

文件大小: 2074K

下载量: 397