基于Faster RCNN以及多部件结合的机场场面静态飞机检测

被引：31

作者：

戴陈卡 ^{[1
,2
]}

李毅 ^{[1
]}

机构：

[1] 四川大学计算机学院

[2] 四川大学国家空管自动化系统技术重点实验室

来源：

计算机应用 | 2017年 / 37(S2)卷 / S2期

关键词：

卷积神经网络; 飞机检测; 多部件结合; 目标识别;

D O I：

暂无

中图分类号：

TP391.41 []; V351 [航空港（站）、机场];

学科分类号：

080203 ;

摘要：

针对机场场面飞机检测中,由于目标几何轮廓不完整、姿态不一等原因导致的目标检测难度大、准确率低的问题,提出了基于Faster RCNN以及多部件结合的机场场面静态飞机检测方法。首先,使用Faster RCNN框架提取飞机及其部件(包括尾翼、机翼、机身),先降低检测置信度,检测出足够多的部件;然后,再根据飞机与部件的交叠率,判断部件与所属飞机的关系,滤去孤立的飞机目标和部件;最后,调整检测框大小,获得最终的飞机检测框。实验结果表明,所提方法相较于原始的Faster RCNN,对机场场面的飞机识别率提高了9%,对不同姿态,不同场景下的飞机目标检测皆有不错的检测效果,目标识别准确率达90%以上。

引用

页码：85 / 88

页数：4

共 5 条

[1] 基于多结构卷积神经网络的高分遥感影像飞机目标检测[J].姚相坤,万里红,霍宏,方涛. 计算机工程.2017(01)
[2] 白云机场目视泊位系统飞机识别的改进方法与研究[J].蒋俊. 信息通信.2016(07)
[3] 一种复杂条件下机场飞机的检测方法[J].李圣,郑宏,张博凯,王静. 科学技术与工程.2015(23)
[4] 逐层特征选择的多层部件模型用于遥感图像飞机目标检测[J].张宇,何楚,石博,徐新. 武汉大学学报(信息科学版).2014(12)
[5] SelectiveSearchforObjectRecognition[J].J.R.R.Uijlings,K.E.A.Sande,T.Gevers,A.W.M.Smeulders. InternationalJournalofComputerVision.2013(2)

← 1 →