基于改进的YOLOv5识别遥感影像中输电塔的方法
2022-04-02分类号:TM75;TP751
【部门】吉林大学仪器科学与电气工程学院 吉林大学地球探测科学与技术学院
【摘要】针对遥感影像目标检测中部分输电塔因目标较小、特征不显著而难以识别的问题,提出一种优化和改进的YOLOv5目标检测方法。首先,通过增加更大尺度检测层,以提升小目标的检测效果;其次,将大尺寸高分辨率遥感影像通过滑窗分割成小尺寸图像,进行检测及再还原,解决了遥感影像中难以直接有效识别输电塔等问题;最后,调用GDAL模块自动计算被识别输电塔的地理坐标。实验结果表明,改进YOLOv5模型较原始YOLOv5模型具有更好的小目标检测效果,测试集输电塔的AP值由0.87147提升为0.89717,GDAL计算输电塔空间坐标准确。
【关键词】遥感影像 目标检测 输电塔 YOLOv5 小目标 GDAL
【基金】国家重点研发计划“全球战略性矿产成矿规律和预警决策支持技术”(2021YFC2901801);; 国家自然科学基金项目“综合多源数据的月表微波热异常成因研究及其意义”(42071309)
【所属期刊栏目】实验技术与管理
文献传递