改进CenterNet模型在遥感影像输电杆塔中的应用

摘要：

基于卫星影像的输电杆塔的自动识别在电力基础设施规划、建设、维护和灾后评估等方面具有重要意义.但卫星影像因尺度变化差异大、拍摄角度的特殊性、背景复杂多变等问题,给杆塔的自动识别带来了挑战.为此,文章提出了基于改进的CenterN et模型的卫星影像杆塔自动识别算法,一方面在CenterN et骨干网络的输出端增加空间金字塔池化模块,增强模型对多尺度杆塔的适应性;另一方面利用DIoU loss对CenterNet模型的训练过程进行优化.DIoU loss能够直接最小化目标框和预测框之间的距离,使网络收敛速度加快,准确率得到提升.通过对比实验分析,改进后的模型在测试集上的AP指标提升了3％.

关键词：深度学习;杆塔;CenterNet;DIoU loss;空间金字塔池化

所属期刊栏目：36

分类号：TP751.1(遥感技术)

在线出版日期：2021-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：84-91