遥感图像飞机目标高效搜检深度学习优化算法

• 作者: 秦世引 郭琳
• 来源期刊: 北京航空航天大学学报
• 学科: 工学
• 关键词: 深度学习 深度神经网络 停机坪与跑道分割 飞机目标检测 大幅面遥感图像
• 年，卷（期）: 2019,（1）
• 页码范围: 159-173
• 页数: 15页
• 分类号: TP753
• 字数: 12827字
• 语种: 中文
• DOI: 10.13700/j.bh.1001-5965.2018.0239

摘要

为了实现大幅面遥感图像中飞机目标的高效检测与准确定位,通过深度神经网络(DNN)的级联组合,提出了一种新颖的搜寻与检测相集成的飞机目标高效检测算法.首先,运用高性能的端到端DNN网络,进行停机坪与跑道区域的像素级高效精准分割,从而大幅度缩小飞机目标的搜索范围,以降低虚警发生概率,完成飞机目标候选检测区域的快速搜寻.然后,针对分割所得停机坪与跑道区域,借助手工数据集对YOLO网络模型进行迁移式强化训练,一方面可以弥补训练集在样本类型与数据规模上的不足,另一方面借助YOLO网络的强时效性优势对飞机目标的位置进行回归求解,可以显著提高飞机目标的检测效率.停机坪与跑道区域分割DNN网络在分割精度与时效性上具有显著优势,而迁移式强化训练YOLO网络不仅具有很高的检测效率,在检测精度上也能保持良好的性能.通过一系列综合实验与对比分析,验证了提出的搜寻与检测相集成的DNN级联组合式飞机目标高效检测算法的性能优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦世引	北京航空航天大学自动化科学与电气工程学院	67	1075	16.0	31.0
2	郭琳	北京航空航天大学自动化科学与电气工程学院	5	28	2.0	5.0