Wyszukiwarka
Spiral Search Grasshopper Features Selection with VGG19-ResNet50 for Remote Sensing Object Detection
Abstrakt
Remote sensing object detection plays a major role in satellite imaging and is required in various scenarios such as transportation, forestry, and the ocean. Deep learning techniques provide efficient performance in remote sensing object detection. The existing techniques have the limitations of data imbalance, overfitting, and lower efficiency in detecting small objects. This research proposes the spiral search grasshopper (SSG) optimization technique to increase the exploitation in feature selection. Augmentation is applied in input images to generate more images, and this helps to train the model and reduces data imbalance problems. The VGG-19 and ResNet50 model is applied for feature extraction, and this helps to extract deep features to represent objects. The SSG feature selection technique increases the exploitation and select unique features for object detection that helps to overcome the data imbalance and overfitting problem. The SSG feature selection model helps to balance the exploration and exploitation that escape from the local optima trap. The SSG model has 82.45% mAP, the SSD model has 52.6% mAP, and the MPFP-Net model has 80.43% mAP.
Cytowania
-
5
CrossRef
-
0
Web of Science
-
4
Scopus
Autorzy (5)
-
G. Uday Kiran
-
G. Bindu
-
Kanegonda Ravi Chythanya
-
K. Ayyappa Swamy
Cytuj jako
Pełna treść
- Wersja publikacji
- Accepted albo Published Version
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.3390/rs14215398
- Licencja
-
otwiera się w nowej karcie
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Publikacja w czasopiśmie
- Typ:
- artykuły w czasopismach
- Opublikowano w:
-
Remote Sensing
nr 14,
ISSN: 2072-4292 - Język:
- angielski
- Rok wydania:
- 2022
- Opis bibliograficzny:
- Stateczny A., Uday Kiran G., Bindu G., Ravi Chythanya K., Ayyappa Swamy K.: Spiral Search Grasshopper Features Selection with VGG19-ResNet50 for Remote Sensing Object Detection// Remote Sensing -Vol. 14,iss. 21 (2022), s.5398-
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.3390/rs14215398
- Źródła finansowania:
-
- COST_FREE
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 41 razy
Publikacje, które mogą cię zainteresować
Cascade Object Detection and Remote Sensing Object Detection Method Based on Trainable Activation Function
- S. N. Shivappriya,
- M. J. P. Priyadarsini,
- A. Stateczny
- + 2 autorów
Feature Weighted Attention-Bidirectional Long Short Term Memory Model for Change Detection in Remote Sensing Images
- R. K. Patra,
- S. N. Patil,
- P. Falkowski-Gilski
- + 2 autorów
Modern remote sensing and the challenges facing education systems in terms of its teaching
- B. Hejmanowska,
- W. Kamiński,
- M. Przyborski
- + 2 autorów
Multiplicative Long Short-Term Memory with Improved Mayfly Optimization for LULC Classification
- A. Stateczny,
- S. M. Bolugallu,
- P. B. Divakarachari
- + 2 autorów