目标检测

目标检测的目的是基于神经网络模型,对遥感图像中多个目标物的类别和位置进行自动化判定与识别,并以矢量矩形框的形式把目标物标记出来,用于后期的空间统计及分析。目标检测与传统方法相比,有着速度快、准确率较高等特点,通常用来快速确定影像中不同类别目标的数量和位置等空间信息。

主要参数

  1. 功能入口工具箱 -> 机器学习 -> 影像分析 -> 目标检测 工具。
  2. 数据源/数据集 :选择需要进行目标检测的影像或栅格数据。
  3. 模型文件 :选择一个目标检测的模型文件(*.sdm)。
  4. 概率阈值 :对每一个检测出来的对象,系统都会为其计算出符合目标特征的概率,最后检测结果仅保留预测概率高于该值的目标,默认值为 0.5。
  5. 其他参数设置 :勾选该复选框即可设置以下去重阈值参数。

    • 去重阈值 :系统对一张图片里的检测对象生成多个候选框,并分别给出概率值,带入 NMS 算法后得到最优框,根据交并比(IoU)去除与最优框重叠部分大于去重阈值的候选框。去重阈值一般为 0.3~0.7,默认值为 0.3。
  6. 结果数据 :即图像中目标物的标识面数据集,设置结果数据集所保存的数据源和保存名称。
  7. 运行 :单击对话框中的 运行 按钮,即可执行目标检测操作,此时,Python 窗口会显示功能执行的进度信息。

下图为某区域的大棚目标检测结果,黄色框为检测出来的大棚,可以快速准确定位大棚分布、位置及数量,为大棚管理、耕地管控等领域提供基本的数据支撑。

ObjDetectResult1

相关内容

机器学习环境配置

生成训练数据

模型训练

二元分类

地物分类

场景分类

计算对象外接矩形