基于深度学习的航空对地小目标检测

被引：55

作者：

梁华 ^{[1
,2
]}

宋玉龙 ^{[1
]}

钱锋 ^{[1
]}

宋策 ^{[1
]}

机构：

[1] 中国科学院长春光学精密机械与物理研究所

[2] 中国科学院大学

来源：

液晶与显示 | 2018年 / 33卷 / 09期

关键词：

机器视觉; 目标检测; 卷积神经网络; 卷积特征;

D O I：

暂无

中图分类号：

TP391.41 []; TP181 [自动推理、机器学习];

学科分类号：

140502 [人工智能];

摘要：

针对航拍图像中对地小目标识别率低、定位效果差的问题,提出了一种基于深度学习的目标检测算法。该算法利用VGG16网络作为微调网络,并添加部分深层网络,通过提取目标浅层特征与深层特征进行联合训练,克服检测过程中定位与识别相互矛盾的问题。提出把奇异值分解技术应用于卷积特征压缩处理,降低模型的计算与存储需求,并且采用多尺度训练方法以适应航空目标尺度的变化。实验结果表明,在通用数据集PASCAL上可以实现0.76mAP,检测速度达16fps,在专用航空目标数据集UCAS-AOD上可以实现0.63mAP,检测速度达18fps。基本满足对小目标检测精确度的要求,并且检测速度可以接近实时检测效果。

引用

页码：793 / 800

页数：8

共 10 条

[1]

基于改进HOG特征提取的车型识别算法 [J].

耿庆田 ;

赵浩宇 ;

于繁华 ;

王宇婷 ;

赵宏伟 .

中国光学, 2018, 11 (02) :174-181

[2]

基于卷积神经网络的光学遥感图像检索 [J].

李宇 ;

刘雪莹 ;

张洪群 ;

李湘眷 ;

孙晓瑶 .

光学精密工程, 2018, (01) :200-207

[3]

基于多波段深度神经网络的舰船目标识别 [J].

刘峰 ;

沈同圣 ;

马新星 ;

张健 .

光学精密工程, 2017, 25 (11) :2939-2946

[4]

高分辨率遥感图像SIFT和SURF算法匹配性能研究 [J].

齐冰洁 ;

刘金国 ;

张博研 ;

左洋 ;

吕世良 .

中国光学, 2017, (03) :331-339

[5]

SIFT特征匹配和差分相乘融合的运动目标检测 [J].

王梅 ;

屠大维 ;

周许超 .

光学精密工程, 2011, 19 (04) :892-899

[6]

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks.[J] Ren Shaoqing;He Kaiming;Girshick Ross;Sun Jian IEEE transactions on pattern analysis and machine intelligence 2017,

[7]

Object detection with discriminatively trained part-based models.[J] Felzenszwalb Pedro F;Girshick Ross B;McAllester David;Ramanan Deva IEEE transactions on pattern analysis and machine intelligence 2010,

[8]

Distinctive Image Features from Scale-Invariant Keypoints.[J] David G. Lowe International Journal of Computer Vision 2004,

[9]

Gradient-based learning applied to document recognition[J] Y. LeCun;L. Bottou;Y. Bengio;P. Haffner Proceedings of the IEEE 1998,

[10]

Image Net Classification with Deep Convolutional Neural Networks Krizhevsky A;Sutskever I;Hinton GE; Proceedings of the 25th International Conference on Neural Information Processing 2012,

← 1 →