深度学习的遥感影像舰船目标检测

• 作者: 孙铭悦 张晓光 杨璐 王殷瑞 董岩 赵江洪 陈朝阳 马思宇
• 来源期刊: 测绘科学
• 学科: 地球科学
• 关键词: 遥感影像 舰船检测 深度学习 卷积神经网络(CNN) 残差网络
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 摄影测量学与遥感
• 页码范围: 110-116,134
• 页数: 8页
• 分类号: P237
• 字数: 4237字
• 语种: 中文
• DOI: 10.16251/j.cnki.1009-2307.2020.03.017

摘要

针对传统舰船检测方法中流程繁琐,速度较慢且对于复杂背景区域的检测精度较低等问题,该文提出了一种改进的Faster R-CNN深度神经网络端到端自动检测方法.该方法通过数据增强技术对数据集进行扩充,使用深度残差网络ResNet替代传统平网络VGG-16对数据集进行特征提取,在区域生成网络中针对舰船目标长宽比较高的特点修改了标定框的长宽比,较好地解决了传统检测方法步骤繁琐,速度较慢等缺点,实现了对遥感影像舰船目标的自动检测.实验结果表明,改进后的Faster R-CNN检测算法能够对遥感影像中的舰船目标进行快速的精确检测,准确率可达92.3％,检测速度达到每秒5帧.即使在面对遥感影像背景复杂、目标局部遮挡问题时也能准确识别.和传统的ENVI与eCognition分类手段相比,该方法提升了目标检测效果和识别效率,Faster R-CNN检测算法相比该方法提升了检测精度.