轻量卷积神经网络遥感影像目标检测方法

• 作者: 陈伟
• 来源期刊: 北京测绘
• 学科: 地球科学
• 关键词: 遥感影像 地面目标检测 卷积神经网络 轻量级模型 深度可分离卷积
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 技术应用
• 页码范围: 178-183
• 页数: 6页
• 分类号: P237
• 语种: 中文
• DOI: 10.19580/j.cnki.1007-3000.2022.02.014

摘要

针对常规遥感影像目标检测模型在低算力环境难以运行问题,提出一种新的轻量级目标检测方法.采用深度可分离卷积核及通道分组混排构建轻量级特征提取网络,采用K-means聚类获取锚点框,使用跨层连接双层特征金字塔预测多尺度目标.利用遥感影像目标检测数据集(RSOD)数据集对模型训练,采用精度均值,平均精度均值,每秒传输帧数对模型进行评价.结果表明,所提出模型平均精度均值可达68.2％,相比同类模型分别提高9.82％和17.3％,检测速度达到36帧/s,权重文件仅31.26 MB,适合部署于低算力设备.