一种基于改进Mask R-CNN模型的遥感图像目标识别方法
所屬分類：技术论文
上傳者：zhoubin333
文檔大小：342 K
標(biāo)簽： 目标识别 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： 目标识别技术作为机器视觉领域的一个重要分支，在各个领域有着重要的应用。鉴于一般的目标识别模型在遥感图片中表现不佳，另外需要识别的目标数量较多，尺寸大小不一，因此在经典的目标识别Mask R-CNN模型的基础上，提出了一种融合了通道注意力机制和数据增强技术的模型Mask R-CNN模型。在输入图片数据时，首先通过Random-Batch images操作对数据进行增强处理，提高模型对尺寸大小不一的目标识别的准确率；然后提取特征时，将原Mask R-CNN模型中的FPN改进为BiFPN，使提取到的特征能更好体现原本的图片信息；在最后的Mask阶段，增加了通道注意力机制，使得模型更多地得到需要的信息。经过实验表明，此模型在遥感图像的特殊目标细粒度识别中有良好的表现。对于同一个数据集，其评价指标在各个方面都要优于其他对比算法。
現(xiàn)在下載
VIP會員，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。