级联卷积神经网络的遥感影像飞机目标检测

• 作者: 余东行 卢俊 张保明 赵传 郭海涛
• 来源期刊: 测绘学报
• 学科: 地球科学
• 关键词: 飞机检测 遥感影像 级联卷积神经网络 难分样本挖掘 深度学习
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 摄影测量学与遥感
• 页码范围: 1046-1058
• 页数: 13页
• 分类号: P237
• 字数: 6297字
• 语种: 中文

摘要

传统遥感影像飞机目标检测算法依赖于人工设计特征,对大范围复杂场景和多尺度的飞机目标稳健性较差,基于深层卷积神经网络的目标检测算法通常难以有效应对大幅影像的目标搜索和弱小目标检测问题,针对上述问题,本文提出了一种基于级联卷积神经网络的遥感影像飞机目标检测算法.首先根据全卷积神经网络能够支持输入任意大小图像的特点,采用小尺度浅层全卷积神经网络对整幅影像进行遍历和搜索,快速获取疑似飞机目标作为兴趣区域,然后利用较深层的卷积神经网络对兴趣区域进行更精确的目标分类与定位.为提高卷积神经网络对地物目标的辨识能力,在卷积层中引入多层感知器,并在训练过程中采取多任务学习与离线难分样本挖掘的策略;在测试阶段,建立影像金字塔进行多级搜索,并结合非极大值抑制消除冗余窗口,从而实现由粗到精的飞机目标检测与识别.对多个数据集下多种复杂场景的遥感影像进行测试,结果表明,本文方法具有较高的准确性和较强的稳健性,可为大幅遥感影像的飞机目标检测问题提供一个快速高效的解决方案.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张保明		66	543	10.0	21.0
2	郭海涛		75	636	11.0	22.0
3	卢俊		26	62	5.0	6.0
4	赵传		14	49	5.0	6.0
5	余东行		11	7	2.0	2.0