一種基于改進(jìn)Mask R-CNN模型的遙感圖像目標(biāo)識(shí)別方法
所屬分類：技術(shù)論文
上傳者：zhoubin333
文檔大?。?span>342 K
標(biāo)簽： 目標(biāo)識(shí)別 Mask R-CNN 通道注意力
所需積分：0分積分不夠怎么辦？
文檔介紹： 目標(biāo)識(shí)別技術(shù)作為機(jī)器視覺(jué)領(lǐng)域的一個(gè)重要分支,，在各個(gè)領(lǐng)域有著重要的應(yīng)用,。鑒于一般的目標(biāo)識(shí)別模型在遙感圖片中表現(xiàn)不佳,，另外需要識(shí)別的目標(biāo)數(shù)量較多，尺寸大小不一,，因此在經(jīng)典的目標(biāo)識(shí)別Mask R-CNN模型的基礎(chǔ)上,，提出了一種融合了通道注意力機(jī)制和數(shù)據(jù)增強(qiáng)技術(shù)的模型Mask R-CNN模型。在輸入圖片數(shù)據(jù)時(shí),，首先通過(guò)Random-Batch images操作對(duì)數(shù)據(jù)進(jìn)行增強(qiáng)處理,，提高模型對(duì)尺寸大小不一的目標(biāo)識(shí)別的準(zhǔn)確率；然后提取特征時(shí),，將原Mask R-CNN模型中的FPN改進(jìn)為BiFPN,，使提取到的特征能更好體現(xiàn)原本的圖片信息；在最后的Mask階段,，增加了通道注意力機(jī)制,，使得模型更多地得到需要的信息。經(jīng)過(guò)實(shí)驗(yàn)表明,，此模型在遙感圖像的特殊目標(biāo)細(xì)粒度識(shí)別中有良好的表現(xiàn),。對(duì)于同一個(gè)數(shù)據(jù)集，其評(píng)價(jià)指標(biāo)在各個(gè)方面都要優(yōu)于其他對(duì)比算法。
現(xiàn)在下載
VIP會(huì)員,，AET專家下載不扣分,；重復(fù)下載不扣分，本人上傳資源不扣分,。