迁移学习结合难分样本挖掘的机场目标检测

• 作者: 唐红 朱明明 许悦雷 马时平 马红强
• 来源期刊: 西安电子科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 机场检测 区域卷积神经网络 迁移学习 难分样本挖掘 交叉优化
• 年，卷（期）: 2018,（5）
• 页码范围: 190-196
• 页数: 7页
• 分类号: TP183|TP751.1
• 字数: 3854字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-2400.2018.05.030

摘要

为了提高遥感图像中机场检测的准确性和速度,提出一种迁移学习结合难分样本挖掘的机场检测方法.首先,舍弃以往滑动窗口加手工设计特征的方式,构造了区域卷积神经网络作为基本架构;其次,基于自然图像和机场遥感图像具有共同的低级和中级视觉特征,网络模型在自然图像上进行预训练并修改完善后,在数据有限的机场上迁移学习;然后,在样本训练中借鉴难分样本挖掘思想来提高网络的目标判别能力和训练效能;最后,使用交叉优化策略实现区域建议网络和后续检测网络的卷积层共享,大大地减少了检测时间.仿真结果表明,所提方法能在复杂背景下准确地检测出不同类型的机场,得到检测率为93.6％ 、虚警率为11.6％ 、时间为0.2 s的实验结果,各项性能均优于其他对比方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许悦雷	空军工程大学航空工程学院	61	585	13.0	22.0
3	马时平	空军工程大学航空工程学院	74	784	15.0	25.0
4	唐红	空军工程大学航空工程学院	24	66	4.0	6.0
5	马红强	空军工程大学航空工程学院	6	17	2.0	4.0
6	朱明明	空军工程大学航空工程学院	4	12	2.0	3.0