两级上下文卷积网络宽视场图像小目标检测方法

• 作者: 严碧武 姜文东 张宗峰 张森海 李涛 王海涛 程远
• 来源期刊: 计算机测量与控制
• 关键词: 小目标检测 无人机图像 输电线路巡检
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 设计与应用
• 页码范围: 199-204
• 页数: 6页
• 分类号: TP242.6
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2019.06.043

摘要

目标检测和识别已经在输电线路巡检中被广泛采用;然而由于宽视场图像数据量大,小目标相对宽视场较小,分辨率低,现有的图像金字塔、特征金字塔和多异构特征融合等方法虽能准确地检测大目标,但小目标的检测精度低,处理非常耗时,因而快速、准确地检测宽视场图像中小目标仍是一个挑战;提出一个两个Faster-RCNs级联的上下文宽视场小目标检测卷积网络,首先,针对降分辨率的宽视场图像,利用一个Faster R-CNN来检测目标的上下文区域,然后,针对上下文区域对应的高分辨率原始图像,利用Faster R-CNN来检测来小目标;用航拍输电线路图像数据集进行了多尺度目标的检测试验,试验结果表明,文章提出的目标检测方法达到了88％的检测精度,检测精度明显优于单级Faster R-CNN检测方法.