基于深度学习的树木检测模型对比分析

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：随着计算机视觉技术和深度学习领域的爆发式进步,在遥感影像上进行树木检测已成为深度学习模型的应用领域之一.为揭示基于深度学习的树木检测给林业调查与监测带来的机遇和挑战,本文通过对比分析经典的SSD、RetinaNet、YOLOv3、FasterRCNN深度学习模型在模型大小、训练效率和平均精度得分等维度的实际应用表现,给相关领域的进一步研究与应用提供参考.研究表明,4种模型随着骨干网络结构的逐渐加深,平均精度得分显著提高,但训练时长和模型大小也成倍增长,其中,SSD模型在本文数据集中的速度与性能之间的平衡性表现最好,采用ResNet-101骨干网络的平均精度得分为0.817,其验证和损失函数趋势相近,是一个功能强大的目标检测模型.文章总结并讨论了当前深度学习与目标检测所面临的问题.

作者：

李贝贝、岳彩荣、赵鹏、李洁瑞、王明星

展开 >

作者单位：

西南林业大学林学院,云南昆明 650224

关键词：

深度学习目标检测树木检测林业调查

出版年：

2024

DOI：

10.19415/j.cnki.1673-890x.2024.19.044

南方农业

重庆市农业科学院

南方农业

影响因子：0.596

ISSN：1673-890X

年,卷(期)：2024.18(19)