最新設(shè)計資源

針對遙感影像的MSA-YOLO儲油罐目標(biāo)檢測[其他][其他]

原油作為一種重要的戰(zhàn)略物資,在我國經(jīng)濟(jì)和軍事等多個領(lǐng)域均起到重要作用。提出一種算法MSA-YOLO(MultiScale Adaptive YOLO),該算法在YOLOv4算法的基礎(chǔ)上進(jìn)行優(yōu)化,并基于以吉林一號光學(xué)遙感衛(wèi)星影像為主的遙感圖像數(shù)據(jù)集進(jìn)行實驗,對特定監(jiān)控區(qū)域內(nèi)的儲油罐進(jìn)行識別與分類。算法優(yōu)化內(nèi)容包括:為簡化儲油罐監(jiān)測模型同時保證模型的效率,對YOLOv4的網(wǎng)絡(luò)結(jié)構(gòu)中的多尺度識別模塊進(jìn)行修剪;使用k-means++聚類算法進(jìn)行初始錨框的選取,使模型加速收斂;使用基于CIoU-NMS的優(yōu)化,進(jìn)一步提升推理速度和準(zhǔn)確度。實驗結(jié)果表明,與YOLOv4相比,MSA-YOLO模型參數(shù)數(shù)量減少25.84%;模型尺寸減少62.13%;在Tesla V100的GPU環(huán)境下,模型的訓(xùn)練速度提升6 s/epoch,推理速度提升15.76 F/s;平均精度為95.65%。與此同時,MSA-YOLO算法在多種通用目標(biāo)識別算法進(jìn)行的對比實驗中均體現(xiàn)出了更高效的特點。MSA-YOLO算法對儲油罐進(jìn)行準(zhǔn)確且實時的識別具有通用可行性,可為遙感數(shù)據(jù)在能源期貨領(lǐng)域提供技術(shù)參考。

發(fā)表于:11/9/2022