基于SU-RetinaNet的高分辨率遥感影像非正规垃圾堆检测

编号 zgly0001721302

文献类型 期刊论文

文献题名 基于SU-RetinaNet的高分辨率遥感影像非正规垃圾堆检测

作者 吴同  彭玲  胡媛 

作者单位 中国科学院空天信息创新研究院  中国科学院遥感与数字地球研究所  中国科学院大学电子电气与通信工程学院 

母体文献 国土资源遥感 

年卷期 2020年03期

年份 2020 

分类号 TU993  X87  TP751 

关键词 高分辨率遥感影像  卷积神经网络  SU-RetinaNet  非正规垃圾堆检测 

文摘内容 我国城镇化水平的提升和垃圾处理基础设施的不完善,致使我国非正规垃圾堆放问题日益突出。高分辨率遥感影像的发展为非正规垃圾堆的宏观、高效管理提供了可能。目前常用的目视解译和传统监督分类的方法不仅非常耗时,且数据中的深层特征难以被挖掘,检测精度有限。利用卷积神经网络技术,提出了基于样本更新和Retina Net的高分辨率遥感影像非正规垃圾堆检测框架(sample updated-Retina Net,SU-Retina Net),分析了不同参数和网络结构对模型检测效果的影响,同时比较了利用可变形部件模型(deformable parts model,DPM)、区域卷积神经网络(region-based convolutional neural network,R-CNN)、快速区域卷积神经网络(faster R-CNN,Faster R-CNN)、Retina Net和SU-Retina Net 5种算法进行非正规垃圾堆检测的性能。实验结果表明,利用SU-Retina Net进行非正规垃圾堆检测的平均精度可以达到85.92%,每张图的检测速度约为0.097 s。相比传统方法,SU-Retina Net在很大程度上提高了非正规垃圾堆的检测效率,为城市垃圾的有效监测管理提供了一个可行的技术方案。