光學遙感圖像目標檢測方法
作者：王倫文; 馮彥卿; 張孟伯 國防科技大學電子對抗學院; 安徽合肥230031
摘要：更快速區域卷積神經網絡(faster region-based convolutional neural network,Faster RCNN)是兩階段的目標檢測模型,通過區域生成網絡將區域提議與識別完全融合到網絡模型中,使主要的運算可以在圖形處理器中完成,因此,其同時具有良好的檢測速度與精度。但是當Faster RCNN直接應用于遙感圖像目標檢測,面對寬尺寸范圍的多種目標時,性能受到了很大削弱。分析了池化操作和目標尺寸對區域提議的影響,提出聯合多層次特征進行區域提議的方法,提升了目標區域的提議召回率。針對性地優化前景樣本的生成策略,避免訓練過程中的產生無效前景樣本,使得整個檢測模型的訓練更加高效。實驗結果表明,所提出的模型和訓練方法能夠提高多尺度遙感圖像目標的召回率與檢測精度,且具備較高的訓練效率。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社。
系統工程與電子技術雜志
系統工程與電子技術雜志， 月刊，本刊重視學術導向，堅持科學性、學術性、先進性、創新性，刊載內容涉及的欄目：電子技術、軍用系統分析 、防御電子技術、系統工程、控制理論與實踐、計算機開發與應用、軟件、算法與仿真、可靠性、實用技術。等。于1979年經新聞總署批準的正規刊物。
- 北大期刊
- CSCD期刊
- 統計源期刊
- 1-3個月審核
