A-FPN算法及其在遥感图像船舶检测中的应用

• 作者: 于树海 于野 朱瑞飞 艾华 贺小军 钟兴
• 来源期刊: 遥感学报
• 关键词: 光学遥感 船舶检测 吉林一号卫星 神经网络 显著性特征
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 中国遥感卫星
• 页码范围: 107-115
• 页数: 9页
• 字数: 6354字
• 语种: 中文

摘要

光学遥感图像船舶检测主要面临两个挑战:光学遥感图像背景复杂,船舶检测易受海浪、云雾及陆地建筑等多方面干扰;遥感图像分辨率低,船舶目标小,对于其分类与定位带来很大困难;针对上述问题,在FPN的基础上,提出一种融入显著性特征的卷积神经网络模型A-FPN (Attention-Based Feature Pyramid Networks).首先,利用卷积提取图像特征金字塔;然后,利用顶层金字塔逐级构建显著特征层,抑制背景信息,通过金字塔顶层的细粒度特征提高浅层特征的表达能力,构建自上而下的多级显著特征映射结构;最后利用Softmax分类器进行多层级船舶检测.A-FPN模型利用显著性机制引导不同感受下的特征进行融合,提高了模型的分辨能力,对遥感图像处理领域具有重要应用价值.实验阶段,利用公开的遥感目标检测数据集NWPU VHR-10中的船舶样本进行测试,准确率为92.8％,表明A-FPN模型适用于遥感图像船舶检测.