期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Faster R-CNN的卫星图像污水处理厂识别
被引量:
2
1
作者
王莉莉
张晓
《计算机应用》
CSCD
北大核心
2019年第S02期50-54,共5页
针对卫星图像中污水处理厂目标识别性能低的问题,提出了更快速区域卷积神经网络(Faster R-CNN)和工艺环节相结合的方法,检测污水处理厂、生化池和污泥泵房目标。在污水处理厂识别过程中,使用数据扩充技术、引入负样本等方法来扩充训练...
针对卫星图像中污水处理厂目标识别性能低的问题,提出了更快速区域卷积神经网络(Faster R-CNN)和工艺环节相结合的方法,检测污水处理厂、生化池和污泥泵房目标。在污水处理厂识别过程中,使用数据扩充技术、引入负样本等方法来扩充训练集样本;选用ZFNet、VGG和ResNet三种神经网络进行特征提取,采用Faster R-CNN方法训练目标检测模型,同时根据图像检出的工艺环节与污水处理厂之间的从属关系,过滤掉孤立的污水处理厂目标和工艺环节目标,提升污水处理厂的目标识别性能。实验结果表明,结合ResNet、Faster R-CNN和工艺环节方法的识别效果最好,相较于ResNet结合Faster R-CNN方法:准确率可以达到79.68%,提升了5.92%;召回率可以达到93.45%,提升了3.32%;F-measure可以达到86.2%,提升了4.84%。实验结果表明,该方法对不同结构、不同工艺环节的污水处理厂都有不错的识别效果,能夠兼顾识别精确率和召回率。
展开更多
关键词
卫星图像
识别
污水处理厂识别
更快速区域卷积神经网络
ResNet
工艺环节
下载PDF
职称材料
题名
基于Faster R-CNN的卫星图像污水处理厂识别
被引量:
2
1
作者
王莉莉
张晓
机构
中国电子科技集团公司第三十研究所
出处
《计算机应用》
CSCD
北大核心
2019年第S02期50-54,共5页
基金
国家973计划项目
文摘
针对卫星图像中污水处理厂目标识别性能低的问题,提出了更快速区域卷积神经网络(Faster R-CNN)和工艺环节相结合的方法,检测污水处理厂、生化池和污泥泵房目标。在污水处理厂识别过程中,使用数据扩充技术、引入负样本等方法来扩充训练集样本;选用ZFNet、VGG和ResNet三种神经网络进行特征提取,采用Faster R-CNN方法训练目标检测模型,同时根据图像检出的工艺环节与污水处理厂之间的从属关系,过滤掉孤立的污水处理厂目标和工艺环节目标,提升污水处理厂的目标识别性能。实验结果表明,结合ResNet、Faster R-CNN和工艺环节方法的识别效果最好,相较于ResNet结合Faster R-CNN方法:准确率可以达到79.68%,提升了5.92%;召回率可以达到93.45%,提升了3.32%;F-measure可以达到86.2%,提升了4.84%。实验结果表明,该方法对不同结构、不同工艺环节的污水处理厂都有不错的识别效果,能夠兼顾识别精确率和召回率。
关键词
卫星图像
识别
污水处理厂识别
更快速区域卷积神经网络
ResNet
工艺环节
Keywords
satellite image recognition
wastewater treatment plant recognition
Faster Regions with Convolutional Neural Network features(Faster R-CNN)
ResNet
technology processes
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Faster R-CNN的卫星图像污水处理厂识别
王莉莉
张晓
《计算机应用》
CSCD
北大核心
2019
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部