基于深度学习的航空对地小目标检测

• 作者: 宋玉龙 宋策 梁华 钱锋
• 来源期刊: 液晶与显示
• 学科: 工学
• 关键词: 机器视觉 目标检测 卷积神经网络 卷积特征
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 图像处理
• 页码范围: 793-800
• 页数: 8页
• 分类号: TP391
• 字数: 3636字
• 语种: 中文
• DOI: 10.3788/YJYXS20183309.0793

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0.76 mAP,检测速度达16 fps,在专用航空目标数据集UCAS-AOD上可以实现0.63 mAP,检测速度达18 fps.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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钱锋	中国科学院长春光学精密机械与物理研究所	28	201	8.0	13.0
2	宋玉龙	中国科学院长春光学精密机械与物理研究所	25	154	8.0	11.0
3	宋策	中国科学院长春光学精密机械与物理研究所	13	75	6.0	8.0
4	梁华	中国科学院长春光学精密机械与物理研究所	1	17	1.0	1.0