深度学习遥感影像油罐检测算法精度对比分析

• 作 者: 李宸尧 郭海涛 马东洋 余东行 黄辰虎
• 机 构: 信息工程大学地理空间信息学院,61618部队,海军研究院
• 出 处: 海洋测绘
• 发表日期: 2020年02期
• 关键词: 遥感影像 目标检测 油罐检测 小目标检测 深度学习 remote sensing imageobject detectionoil tank detection
• 基金项目: 国家自然科学基金(41671410)

油罐目标的检测对于海洋战场环境保障具有重要的意义和作用。选择当前较为经典的几种深度学习目标检测算法,包括FRCNN、RFCN、SSD、YOLOv3、RetinaNet,利用已有的公开数据,对各算法进行油罐检测的精度进行深入对比分析和实验验证。实验结果表明,上述方法中鲁棒性和平均精度最好的是RFCN和RetinaNet;影像中目标的尺寸是影响各算法精度的重要因素。最后对基于深度学习的遥感影像油罐目标检测算法提出了改进的建议。相关研究对于利用深度学习算法完成油罐目标的实际检测应用具有重要的指导意义和参考价值。