基于深度可分离卷积的卫星影像检测技术研究

• 作者: 张曼 叶曦 李杰 沈霁
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 卫星影像 目标检测 深度可分离卷积 特征金字塔
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 航空航天领域仿真
• 页码范围: 17-22,97
• 页数: 7页
• 分类号: TP751
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2022.02.004

摘要

卫星影像特定目标识别与定位可为军事侦察领域提供重要战略信息,如何平衡基于深度学习技术遥感目标检测算法的检测精度、参数量大小与检测效率成为当前研究热点.提出算法在Tiny-Yolo-V2算法基础上优化,利用深度可分离卷积概念解藕卷积层,减少模型参数量,提升检测效率.同时,结合特征金字塔思想,增加预测尺度,提高算法检测精度.在DOTA数据集上进行对比实验,结果表明相对Tiny-Yolo-V2算法,提出方法的mAP值提高了0.084,模型参数量减小了49％,检测效率提高了48％,验证了优化策略的有效性.