基于深度学习的SSD模型尾矿库自动提取
Journal of University of Chinese Academy of Sciences(2020)
摘要
针对华北地区尾矿库自动提取问题,将基于深度学习的SSD目标检测模型应用于遥感图像尾矿库提取.首先标记华北地区2 000个样本,随机挑选1 500个作为训练样本,剩余样本作为测试样本,验证模型的检测精度.分析卷积层对应感受野与图像中尾矿库尺寸关系,发现原始SSD模型漏检误检大型尾矿库.改进SSD模型结构,提出增加额外卷积层的策略,提高对大型尾矿库目标的检测精度.实验表明,在置信度阈值为0.3时,改进的SSD模型相比原始模型,检测精确率提高10.0%,召回率提高14.4%,提高了大型尾矿库检测精度.验证了基于深度学习的SSD目标检测模型自动提取尾矿库的可行性以及改进算法的有效性.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要