基于多尺度卷积神经网络的遥感目标检测研究

被引：34

作者：

姚群力 ^{[1
,2
]}

胡显 ^{[1
,2
]}

雷宏 ^{[1
]}

机构：

[1] 中国科学院电子学研究所航天微波遥感系统部

[2] 中国科学院大学电子电气与通信工程学院

来源：

光学学报 | 2019年 / 39卷 / 11期

基金：

国家重点研发计划;

关键词：

遥感; 目标检测; 卷积神经网络; 多尺度目标;

D O I：

暂无

中图分类号：

TP751 [图像处理方法]; TP183 [人工神经网络与计算];

学科分类号：

摘要：

针对现有遥感图像目标检测算法对于复杂场景下多尺度目标检测精度较低、泛化能力差的问题,提出了一种多尺度卷积神经网络遥感目标检测框架——MSCNN。该方法通过构造一种深度特征金字塔,增强了网络对多尺度目标特征的提取能力;引入聚焦分类损失作为分类损失函数,加强了网络对难样本的学习能力。所提方法在NWPU VHR-10公开数据集上取得了0.960的平均检测精度(mAP),相较于RetinaNet检测框架,MSCNN对小尺度以及中等尺度目标的平均检测精度分别提高了1.5%和1.9%,实现了对多尺度目标的高精度稳健检测。

引用

页码：346 / 353

页数：8

共 9 条

[1] 基于多尺度形变特征卷积网络的高分辨率遥感影像目标检测
邓志鹏
孙浩
雷琳
周石琳
邹焕新
[J]. 测绘学报, 2018, 47 (09) : 1216 - 1227
[2] 基于改进特征金字塔的Mask R-CNN目标检测方法
任之俊
蔺素珍
李大威
王丽芳
左健宏
[J]. 激光与光电子学进展, 2019, (04) : 174 - 179
[3] 改进区域卷积神经网络的机场检测方法
朱明明
许悦雷
马时平
唐红
辛鹏
马红强
[J]. 光学学报, 2018, 38 (07) : 330 - 335
[4] Multi-scale object detection in remote sensing imagery with convolutional neural networks[J] . Zhipeng Deng,Hao Sun,Shilin Zhou,Juanping Zhao,Lin Lei,Huanxin Zou.ISPRS Journal of Photogrammetry and Remote Sensin . 2018
[5] Multi-class geospatial object detection based on a position-sensitive balancing framework for high spatial resolution remote sensing imagery[J] . Yanfei Zhong,Xiaobing Han,Liangpei Zhang.ISPRS Journal of Photogrammetry and Remote Sensin . 2018
[6] A survey on object detection in optical remote sensing images[J] . Gong Cheng,Junwei Han.ISPRS Journal of Photogrammetry and Remote Sensin . 2016
[7] Multi-class geospatial object detection and geographic image classification based on collection of part detectors[J] . Gong Cheng,Junwei Han,Peicheng Zhou,Lei Guo.ISPRS Journal of Photogrammetry and Remote Sensing . 2014
[8] Distinctive image features from scale-invariant keypoints
Lowe, DG
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) : 91 - 110
[9] Mask R-CNN. K.He,G.Gkioxari,P.Dollár,et al. IEEE International Conference on Computer Vision . 2017

← 1 →