基于多尺度融合特征卷积神经网络的遥感图像飞机目标检测

被引：37

作者：

姚群力 ^{[1
,2
]}

胡显 ^{[1
,2
]}

雷宏 ^{[1
]}

机构：

[1] 不详

[2] 中国科学院电子学研究所航天微波遥感系统部

[3] 不详

[4] 中国科学院大学电子电气与通信工程学院

[5] 不详

来源：

测绘学报 | 2019年 / 10期

基金：

国家重点研发计划;

关键词：

遥感图像; 飞机检测; 特征融合; 多尺度特征;

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：

飞机检测在遥感图像解译中具有重要的研究意义。针对现有目标检测算法对于复杂场景区域或飞机密集区域的小尺度飞机目标检测精度较低的问题,本文提出了一种端到端的多尺度特征融合飞机目标检测框架MultDet。该方法基于SSD多尺度检测框架,采用轻量级基础网络提取多尺度特征信息;然后设计反卷积特征融合模块,通过跳跃连接将高层语义特征与低层细节特征进行特征融合,得到结构层次丰富的多尺度融合特征;最后设计了一系列不同纵横比的候选框以适应多尺度飞机目标检测。本文在光学遥感图像数据集UCAS-AOD上进行数据分析试验,结果表明,MultDet512在飞机数据集上取得了94.8%的平均检测精度(average precision,AP),在Titan Xp GPU上达到0.050 0 s/img的检测速度。本文所提飞机目标检测算法在包含多种复杂场景的遥感图像中,能够实现多尺度飞机目标的高精度稳健检测。

引用

页码：1266 / 1274

页数：9

共 3 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] 基于深度学习的航空对地小目标检测
梁华
宋玉龙
钱锋
宋策
[J]. 液晶与显示, 2018, 33 (09) : 793 - 800
[3] 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

← 1 →