深度卷积网络支持下的遥感影像井盖部件检测
Bulletin of Surveying and Mapping（2019）
Abstract
数字城市管理发展中城市部件调查是一项重要的任务,但是城市井盖部件信息获取存在人工调绘效率低、精度难以保证等缺陷,影响城市井盖部件的及时更新.因此本文利用深度卷积神经网络模型,通过小卷积核、尾部裁剪和保持输入大小等改进边缘检测网络(HED)并增加两层卷积运算提取目标,提出HED-C网络模型,实现了端到端的井盖部件目标检测.试验结果表明,利用HED-C模型井盖部件召回率可达96.58％,查准率可达97.93％,相较Faster R-CNN、YOLO和SSD网络模型,综合性能有了较大提高.
MoreKey words
manhole cover object detection,remote sensing imagery,remote sensing,convolutional neural networks
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined