光学遥感图像目标检测方法

• 作者: 冯彦卿 张孟伯 王伦文
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 遥感图像 目标检测 卷积神经网络 深度学习
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 电子技术
• 页码范围: 2163-2169
• 页数: 7页
• 分类号: TP18
• 字数: 6755字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-506X.2019.10.02

摘要

更快速区域卷积神经网络(faster region-based convolutional neural network,Faster RCNN)是两阶段的目标检测模型,通过区域生成网络将区域提议与识别完全融合到网络模型中,使主要的运算可以在图形处理器中完成,因此,其同时具有良好的检测速度与精度.但是当Faster RCNN直接应用于遥感图像目标检测,面对宽尺寸范围的多种目标时,性能受到了很大削弱.分析了池化操作和目标尺寸对区域提议的影响,提出联合多层次特征进行区域提议的方法,提升了目标区域的提议召回率.针对性地优化前景样本的生成策略,避免训练过程中的产生无效前景样本,使得整个检测模型的训练更加高效.实验结果表明,所提出的模型和训练方法能够提高多尺度遥感图像目标的召回率与检测精度,且具备较高的训练效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王伦文	国防科技大学电子对抗学院	16	15	3.0	3.0
2	张孟伯	国防科技大学电子对抗学院	6	9	2.0	3.0
3	冯彦卿	国防科技大学电子对抗学院	4	9	2.0	3.0