一种基于航空遥感图像的实时目标检测方法技术

本发明专利技术涉及一种基于航空遥感图像的实时目标检测方法，将YOLOv3网络中原有的Darknet‑53换成了MobileNetv2，得到了轻量化检测模型YOLOv3‑Lite，然后在YOLOv3‑Lite的基础上，将检测网络中的3×3卷积全部换成了线性深度可分离卷积，得到了超轻量化检测模型YOLOv3‑Lite+，通过使用改进后的线性深度可分离卷积，检测模型在精度略微下降的前提下，减少了原模型70％权重参数，并且在检测速度上也获得了明显提升，取得了非常好的效果。

【技术实现步骤摘要】

本专利技术属于视频处理和图像智能分析，涉及一种基于航空遥感图像的实时目标检测方法。

技术介绍

1、深度学习近年来的快速发展，将目标检测算法分为两大类：传统方法和基于深度学习的方法。传统的目标检测中，比较经典的方法包括hog和sift等。而基于深度学习的目标检测算法，其检测精度远远高于传统的目标检测算法，比较经典的方法包括faster r-cnn，fpn,yolo,ssd，yolov3,refinedet,sniper等。从一开始的高精度、低速度的two-stage算法(以faster r-cnn为代表)到低精度、高速度的one-stage算法(以yolo为开山之作)，再到后来的高精度、高速度的one-stage算法(比如yolov3)。可以说，在目标检测的发展过程中，实用性是一个重要的发展方向。一直到今天，yolov3仍然是所有的检测算法中在速度和精度之间做出了最好的权衡的目标检测网络。

2、目标检测算法往往需要部署在嵌入式系统，甚至移动终端上，并且实时输出检测结果，虽然目标检测网络的性能得到了提高，但是近百层的神经网络模型的计算开销和参数体量本文档来自技高网...

【技术保护点】

1.一种基于航空遥感图像的实时目标检测方法，按照以下步骤实施：

【技术特征摘要】

1.一种基于航空遥感图像的实时目...

【专利技术属性】
技术研发人员：杨振，
申请(专利权)人：北京航天长峰科技工业集团有限公司，
类型：发明
国别省市：