基于改进YOLO-v3的无人机遥感图像农村地物分类

随着新农村的建设,农业用地的规划和利用也变得至关重要。针对传统地物分类方法效率低、自动化程度不高等问题,提出基于YOLO-v3改进模型的农村地物检测分类方法。该方法在YOLO-v3的Res4结构的基础上添加SPP层,有效地提升了模型对多尺寸目标的适应能力,在一定程度上提高了模型的泛化能力。同时,在FPN层添加PAN结构,增加了定位信息的语义特征,对于模型的检测精度提升明显。实验结果表明,提出的改进YOLO-v3模型在Air数据集的mAP达到了0.726,相较YOLO-v3模型,在精度、检测效率和模型的泛化能力上都有所提升。