海洋占领全球面积的71%,随着“海洋强国”战略的实施,也加剧了海岛空间的信息应用。
由于海岛的地势地貌比较复杂,常规的人工测量难以完成地理空间采集任务,现有的卫星遥感技术不仅分辨率较低,而且成本高且易受天气影响。
但是随着无人机遥感技术的发展与应用,其不仅具有高时效性、低成本的特点,同时还有高自动化的专业处理软件的支持,能够满足海洋地区获取地理空间信息的要求,可以高效率的完成海洋环境监测的重任。
那么本次基于RetinaNet算法对海洋上的小目标无人机检测的数据进行训练,使用的是一款线上的平台:CooVally,可以帮助用户快速筛选可用AI模型。
https://coovally.com/
https://coovally.com/
下图是本次使用的数据集信息:

数据集标签如下图。

本文介绍了如何利用CooVally平台基于RetinaNet算法训练无人机遥感数据,用于海洋小目标检测。针对海岛地理空间信息采集的挑战,无人机遥感技术提供了解决方案。通过CooVally平台,进行了10次实验,最佳模型的mAP达到0.7424,相较于Roboflow表现更优。模型训练至部署仅需三步,云端部署后识别率超过95%。
最低0.47元/天 解锁文章

被折叠的 条评论
为什么被折叠?



