基于深度神经网络的遥感图像飞机目标检测

• 作者: 何冉 李文斌
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 遥感图像 目标检测 密度聚类 卷积神经网络 像素级标签
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 图形图像处理
• 页码范围: 268-276
• 页数: 9页
• 分类号: TP181
• 字数: 6594字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0057070

摘要

针对遥感图像飞机检测中存在的背景复杂和目标尺度变化大等问题,提出基于深度神经网络的遥感图像飞机目标检测模型DC-DNN.利用图像底层特征制作像素级标签完成全卷积神经网络(FCN)模型训练,将FCN模型与DBSCAN密度聚类算法相结合选取飞机目标的自适应候选区域,并基于VGG-16网络提取候选区域高层特征以获取飞机目标检测框,同时通过检测框抑制算法剔除重叠框和误检框,得到最终的飞机目标检测结果.实验结果表明,DC-DNN模型对于遥感图像飞机目标检测的准确率、召回率和F1值分别为95.78％、98.98％和0.973 5,相比WS-DNN、R-FCN等模型具有更好的检测性能和泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李文斌	河北地质大学信息工程学院	22	42	4.0	5.0
2	何冉	河北地质大学信息工程学院	3	0	0.0	0.0