基于Mask R-CNN算法的遥感图像处理技术及其应用

被引：15

作者：

凌晨 ^{[1
]}

张鑫彤 ^{[2
,3
]}

马雷 ^{[2
]}

机构：

[1] 军事科学院系统工程研究院后勤科学与技术研究所

[2] 中国科学院自动化研究所

[3] 河北工业大学人工智能与数据科学学院

来源：

计算机科学 | 2020年 / 47卷 / 10期

关键词：

Mask R-CNN算法; 遥感图像处理技术; 深度学习; 舰船目标检测; 影像提取与识别;

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：

遥感技术的发展使得遥感影像被应用于农业、军事等诸多领域,而深度学习方法的融入使得该项技术在目标检测、场景分类、语义分割方面取得了重大突破。与自然场景下的舰船检测不同,遥感图像中的舰船为俯视图,舰船较为密集,且容易与港口混合。当前对舰船检测的输出结果主要是检测框,缺少对舰船掩码的输出,使得无法全面分析出模型存在的不足;同时,由于遥感图像中的舰船停靠密集,容易产生漏检问题。为解决上述问题,利用Mask R-CNN对舰船进行目标检测,较全面地分析模型的训练情况、掩码和检测框的输出结果;通过对目标边缘的学习及参数的调整,使模型与舰船目标相适应。通过实验分析得出了适用于舰船检测的网络模型参数,从而有效降低了舰船停靠密集所产生的误检和漏检问题。

引用

页码：151 / 160

页数：10

共 16 条

[11] Object count/area graphs for the evaluation of object detection and segmentation algorithms[J] . Christian Wolf,Jean-Michel Jolion.International Journal of Document Analysis and Recognition （IJDAR） . 2006 (4)
[12] Imagenet classification with deep convolutional neural networks. Alex K,Sutskever I,Hinton G E. Neural Information Processing Systems （NIPS） . 2012
[13] Fastership detection from optical satellite images based on ship distribution probability analysis. XIE X Y,Xu Q,Lei H. International Workshop on Earth Observation ＆ Remote Sen-sing Applications . 2016
[14] Inshore Ship Detection Based on Convolutional Neural Network in Optical Satellite Images. Wu F,Zhou Z,Wang B et al. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing . 2018
[15] 基于改进Sobel算子的图像边缘检测及其嵌入式实现
吴海彬
何祖恩
李文锦
[J]. 机床与液压, 2009, 37 (10) : 133 - 136
[16] 一种新的改进Canny边缘检测算法附视频
王娜
李霞
[J]. 深圳大学学报, 2005, (02) : 149 - 153

← 1 2 →