研究目的
为解决大面积遥感图像中目标检测精度问题,提出一种基于样本更新的卷积神经网络框架,以减少复杂背景和多样地表覆盖类型导致的漏检与误检。
研究成果
所提出的SUCNN框架通过融合多样化背景与目标信息的样本更新机制,有效降低了大面积遥感图像中漏检与误检现象,对比实验表明其显著提升了目标检测精度。
研究不足
该论文未明确讨论局限性,但潜在的优化方向可能包括:对更大规模数据集的可扩展性、对其他物体类别的泛化能力,以及样本更新过程的计算效率。
研究目的
为解决大面积遥感图像中目标检测精度问题,提出一种基于样本更新的卷积神经网络框架,以减少复杂背景和多样地表覆盖类型导致的漏检与误检。
研究成果
所提出的SUCNN框架通过融合多样化背景与目标信息的样本更新机制,有效降低了大面积遥感图像中漏检与误检现象,对比实验表明其显著提升了目标检测精度。
研究不足
该论文未明确讨论局限性,但潜在的优化方向可能包括:对更大规模数据集的可扩展性、对其他物体类别的泛化能力,以及样本更新过程的计算效率。
加载中....
您正在对论文“一种基于更新的卷积神经网络框架在大面积遥感图像目标检测中的应用示例”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期