首页|利用深度学习进行GF-6影像枣园检测识别

利用深度学习进行GF-6影像枣园检测识别

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对新疆南疆大规模枣园的检测识别,本文提出了一种基于泛化迁移深度学习的枣园目标检测识别方法.以GF-6卫星影像数据为基础制作了Jujube数据集,并将其泛化扩充增强;以Faster R-CNN体系为基础,利用多态协同模式实现数据集的有效关联和优化重构,进行检测识别模型的迁移深度学习以提高对目标对象检测识别的泛化能力.结果表明,模型算法的验证识别精确率、召回率和调和平均值分别达0.979、0.952和0.965,在应用测试中,3个指标平均值均大于0.929,优于传统检测方法,且本文模型方法总体分类精度为0.97,Kappa系数为0.93,均高于面向对象最邻近法,能够有效地满足研究区规模化枣园目标检测识别的精度和效率的要求,为精细化枣园田间管理提供基础依据.
Jujube garden detection and recognition in GF-6 image using deep learning

段晨阳、冯建中、全斌、白林燕、王盼盼

展开 >

西安科技大学,陕西 西安710054

中国农业科学院,北京100081

中国科学院空天信息创新研究院,北京100094

新疆生产建设兵团第十四师农业科学研究所,新疆 昆玉848100

展开 >

枣园目标检测 Faster R-CNN 泛化迁移学习 数据增强 GF-6

新疆生产建设兵团(重点领域)科技攻关计划中国农业科学院科技创新工程项目

2019AB002CAAS-ASTIP-2016-AII

2022

测绘通报
测绘出版社

测绘通报

CSTPCDCSCD北大核心
影响因子：1.027
ISSN：0494-0911
年,卷(期)：2022.(3)
  • 14