遥感影像目标的尺度特征卷积神经网络识别法

• 作者: 张致齐 李德仁 王密 王艳丽 董志鹏
• 来源期刊: 测绘学报
• 学科: 地球科学
• 关键词: 高分辨率遥感影像 目标检测与识别 深度学习 卷积神经网络 目标尺度
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 摄影测量学与遥感
• 页码范围: 1285-1295
• 页数: 11页
• 分类号: P237
• 字数: 5972字
• 语种: 中文

摘要

高分辨率遥感影像的目标检测与识别,是高分对地观测系统中影像信息自动提取及分析理解的重要内容.针对传统影像目标检测与识别算法中人工设计特征稳健性与普适性差的问题,本文提出基于高分辨率遥感影像目标尺度特征的卷积神经网络检测与识别方法.首先通过统计遥感影像目标的尺度范围,获得卷积神经网络训练与测试过程中目标感兴趣区域合适的尺度大小.然后根据目标感兴趣区域合适的尺度,提出基于高分辨率遥感影像目标尺度特征的卷积神经网络检测与识别架构.通过WHU-RSone数据集对本文卷积神经网络架构与Faster-RCNN架构对比测试验证.试验结果表明,本文架构ZF模型和本文架构VGG-16模型的mean average precision(mAP)分别比Faster-RCNN ZF模型和Faster-RCNN VGG-16模型提高8.17％和8.31％,本文卷积神经网络架构可获得良好的影像目标检测与识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李德仁	武汉大学测绘遥感信息工程国家重点实验室	350	13038	58.0	101.0
3	王密	武汉大学测绘遥感信息工程国家重点实验室	76	1069	18.0	31.0
5	张致齐	武汉大学测绘遥感信息工程国家重点实验室	6	13	2.0	3.0
10	董志鹏	武汉大学测绘遥感信息工程国家重点实验室	7	81	3.0	7.0
11	王艳丽	武汉大学测绘遥感信息工程国家重点实验室	2	9	2.0	2.0