江苏大学学报(自然科学版)

作者：曹磊，王珺瑶，朱俊杰，徐昇

单位：南京林业大学 信息科学技术学院， 江苏 南京 210037

关键词：城市交通, 车辆信息提取, 高分辨率遥感图像, 深度学习, 计算机视觉

基金：国家自然科学基金青年科学基金资助项目（62102184）； 江苏省自然科学基金青年科学基金资助项目（BK20200784）； 中国博士后科学基金资助面上项目（2019M661852）； 江苏省高校自然科学研究面上项目（19KJB520010）

针对现有的方法对地面道路上车辆检测率不高的问题，提出一种基于深度学习和高分辨率遥感图像的车辆检测方法.对高分辨率遥感图像道路进行感兴趣提取,并采用改进的YOLOv3 模型对车辆进行多目标检测，利用多尺度特征进行对象检测.确定了训练流程，在高分辨率遥感图像数据集上进行训练，采用准确率、召回率、F值作为评价指标进行了图像识别检测试验.结果表明：采用文中方法对高分辨率遥感图像进行分析，得到的准确率、召回率和F值分别为98.01%、97.23%和97.57%，并且能通过检测结果统计得到每秒的车流量.该方法可作为地面车辆分布信息监测的一种有效补充方式.

来源：2023年第5期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2023年第5期