基于全卷积网络的高分辨遥感影像目标检测

• 作者: 周楠 姚晓婧 徐逸之 李祥 胡媛
• 来源期刊: 测绘通报
• 学科: 地球科学
• 关键词: 高分辨率遥感 深度学习 全卷积网络 R-FCN 飞机检测
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 学术研究
• 页码范围: 77-82
• 页数: 6页
• 分类号: P237
• 语种: 中文

摘要

目标检测是遥感图像分析处理中的研究热点之一,具有十分重要的科研和应用价值.传统遥感影像目标检测方法多使用人工构造的浅层次特征,结合支持向量机、随机森林、Adaboost等分类器进行目标识别,难以充分挖掘和利用影像中的深层特征.近年来,深度学习,特别是卷积神经网络在图像认知方面取得了巨大成功.在目标检测领域,以Faster R-CNN算法为代表的方法取得了突破性进展,检测精度大幅提高,检测速度达到了近实时的性能.但是,Faster R-CNN算法由于使用了感兴趣区域(RoI)池化层,各个RoI计算不共享,因此检测速度依然有待提高.R-FCN基于全卷积网络结构,同时采用位置敏感池化来引入平移变化,抵消全卷积网络造成的平移不变形问题,检测精度和效率都有了很大的提高.本文阐述了R-FCN算法原理,并运用于高分辨遥感影像目标检测分析了不同参数和网络结构对R-FCN检测效果的影响,比较了利用Fast R-CNN、Faster R-CNN和R-FCN 3种算法进行飞机识别的性能.试验结果表明,利用R-FCN进行飞机识别定位可以达到99.3％的准确率和每张图180 ms的检测速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡媛	中国科学院遥感与数字地球研究所	8	108	4.0	8.0
5	李祥	中国科学院遥感与数字地球研究所	11	70	6.0	8.0
9	徐逸之	中国科学院遥感与数字地球研究所	3	26	3.0	3.0
13	姚晓婧	中国科学院遥感与数字地球研究所	6	63	4.0	6.0
14	周楠		1	16	1.0	1.0