结合随机擦除和YOLOv4的高空间分辨率遥感影像桥梁自动检测

作     者：孙宇 黄亮 赵俊三 常军 陈朋弟 成飞飞 SUN Yu;HUANG Liang;ZHAO Junsan;CHANG Jun;CHEN Pengdi;CHENG Feifei

作者机构：昆明理工大学国土资源工程学院昆明650093 云南省高校高原山区空间信息测绘技术应用工程研究中心昆明650093 智慧矿山地理空间信息集成创新重点实验室昆明650093 云南省高校自然资源空间信息集成与应用科技创新团队昆明650211 自然资源部第一大地测量队西安710054 

出 版 物：《自然资源遥感》 (Remote Sensing for Natural Resources)

年 卷 期：2022年第34卷第2期

页      面：97-104页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 

基　　金：国家自然科学基金项目“南方山地城镇建设用地与变化的坡度梯度效应研究”(编号:41961039) 云南省应用基础研究计划面上项目“基于全卷积神经网络的多源遥感影像变化检测”(编号:2018FB078) 云南省高校工程中心建设计划共同资助 

主　　题：深度学习 目标检测 高分影像 桥梁检测 YOLOv4网络 

摘      要：桥梁作为典型且重要的地面目标,是交通运输线路的咽喉,对桥梁进行自动检测具有十分重要的社会和经济意义。深度学习已成为桥梁检测新方式,但对云雾遮挡的桥梁检测精度较低。针对该问题,提出了一种结合随机擦除(random erase,RE)数据增强和YOLOv4模型的桥梁目标自动检测方法,首先统计数据集中目标的尺度范围,利用k-means聚类获得锚框尺寸;然后通过RE与Mosaic数据增强相结合的方法模拟云雾遮挡的情况;接着采用YOLOv4网络对经增强后的数据集进行训练;最后采用平均精度(mean average precision,mAP)评估实验结果。实验结果表明,提出方法的mAP为97.06%,比YOLOv4提高了2.99%,其中被云雾遮挡的桥梁平均检测准确度提高了12%,验证了提出方法的有效性及实用性。