基于多尺度融合特征卷积神经网络的遥感图像飞机目标检测

摘要：

飞机检测在遥感图像解译中具有重要的研究意义.针对现有目标检测算法对于复杂场景区域或飞机密集区域的小尺度飞机目标检测精度较低的问题,本文提出了一种端到端的多尺度特征融合飞机目标检测框架MultDet.该方法基于SSD多尺度检测框架,采用轻量级基础网络提取多尺度特征信息;然后设计反卷积特征融合模块,通过跳跃连接将高层语义特征与低层细节特征进行特征融合,得到结构层次丰富的多尺度融合特征;最后设计了一系列不同纵横比的候选框以适应多尺度飞机目标检测.本文在光学遥感图像数据集UCAS-AOD上进行数据分析试验,结果表明,MultDet512在飞机数据集上取得了94.8％的平均检测精度(average precision,AP),在Titan Xp GPU上达到0.0500 s/img的检测速度.本文所提飞机目标检测算法在包含多种复杂场景的遥感图像中,能够实现多尺度飞机目标的高精度稳健检测.

关键词：遥感图像、飞机检测、特征融合、多尺度特征

所属期刊栏目：48

分类号：P237(摄影测量学与测绘遥感)

资助基金：国家自然科学基金青年基金61422113,61601437;国家重点研发计划2017YFB0502700

在线出版日期：2019-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1266-1274