基于改进RetinaNet的冷却塔目标检测

作者：卫虹宇,赵银娣,董霁红

摘要：冷却塔排放容易造成大气污染,利用高分辨率遥感影像对冷却塔进行检测,可以为废气排放治理提供决策数据。针对传统算法在高分辨率遥感影像目标检测中检测精度不高、检测速度慢等问题,采用无采样机制改进RetinaNet目标检测框架从而提取冷却塔。首先,将数据集标注为工作中的冷却塔和非工作中的冷却塔;然后,根据数据集中目标类别数、训练中正样本的比例等特点对分类子网络最后一层的偏置项进行初始化并确定类别自适应阈值,此外,通过回归损失来设置分类损失的调整比例以避免损失函数被众多负样本所支配;最后,采用ResNet50提取图像特征,利用特征金字塔网络(feature pyramid networks,FPN)模块生成多尺度卷积特征金字塔,对每层特征进行检测框回归以及类别置信度计算。实验结果表明:对于高分辨率遥感影像冷却塔目标检测,该算法相比原始RetinaNet模型在保证检测速度的同时提高了检测精度,证明算法的有效性。

发文机构：中国矿业大学环境与测绘学院

关键词：卷积神经网络目标检测高分辨率遥感影像无采样机制convolutional neural networkobject detectionhigh-resolution remote sensing imagesampling-free mechanism

分类号： TP751.1[自动化与计算机技术—检测技术与自动化装置]