《表1 不同策略训练模型对比实验》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进Faster R-CNN的高分遥感影像储油罐检测与信息提取》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了检验改进方法的效果，实验中分别采用不同的方案来训练和测试网络模型。具体实验结果见表1。在原始网络中anchor默认参数为9，即（长宽比为1∶1、1∶2、2∶1；尺度为1282、2562、5122）。但是原始Faster R-CNN采用的数据集照片不是遥感影像，其获得的尺度参数与本文的数据集不匹配，为了降低漏检率，根据遥感影像中储油罐大小特点增添一种参数为642的尺度，将anchor的数量从原来的9增加到12，使得模型可以检测更多的储油罐。从表1可以得出，运用合适的anchor尺度，可以使mAP提升2%以上；通过对比不同特征提取网络的训练结果，本文改进的特征提取网络相比经典的VGG16网络，可以使mAP值提升3%以上，与层数更多的ResNet101网络相比，也保持较快的检测速度。从整个对比实验可看出，通过改进网络模型，最终可使储油罐检测的mAP达到90.29%，识别每张图片仅需183 ms。实验证明，改进后的Faster R-CNN算法能够有效地优化储油罐检测模型。