基于Ghost卷积与注意力机制的SAR图像建筑物检测算法
针对深度卷积神经网络存在模型参数量大、占用内存资源等问题,提出了一种基于轻量化网络的SAR图像建筑物检测算法.首先以旋转目标检测算法R-centernet为基础,将主干网络中的传统卷积替换为Ghost卷积,并构建Ghost-ResNet网络,降低模型参数量;其次提出了融合宽高信息的通道注意力模块,增强网络对图像中显著区域的精确定位能力;使用CARAFE上采样代替网络中的DCN模块,在上采样过程中充分结合特征图信息,提高目标检测能力;最后使用改进的R-centernet算法在旋转标注的SAR图像建筑物数据集上进行训练与测试.实验结果表明,相比于原始R-centernet算法,改进后的算法准确率提高了3.8%,召回率提高了1.2%,检测速度提高了12帧/s.
轻量化网络、SAR图像建筑物检测、旋转目标检测、Ghost卷积、通道注意力、CA-RAFE上采样
43
TP751.1(遥感技术)
2022-08-03(万方平台首次上网日期,不代表论文的发表时间)
共9页
1667-1675