用于终端设备的遥感图像目标快速检测方法
日益增加的卫星遥感、无人机遥感应用对遥感图像目标检测提出了苛刻的性能需求.为了提高应用的时效性,相较于传统的图像数据服务器集中处理方式,目标检测算法向星载、机载终端计算设备的部署是一个重要的发展趋势.遥感图像的像素数量远高于普通图像,给终端设备的目标检测带来了严重的计算负担.为了解决这一问题,考虑到遥感图像覆盖幅宽广,有效目标分布稀疏的特点,提出了一种基于注意力的遥感图像目标轻量化检测网络,该算法将检测任务拆分为串行的两个阶段,对两个阶段的深度神经网络分别采取不同程度的轻量化策略,从而使得整体检测任务在准确率和计算效率上同时得到优化.在第1阶段,利用高压缩比的分类网络,得到目标区域的掩模图像,从而让第2阶段检测网络的注意力只集中在包含目标区域的范围;在第2阶段,利用MobileNet网络的通道分离卷积方式实现检测网络的小型化.在NVIDIAJetsonTX2嵌入式计算平台上的实验表明,相对传统的大型检测网络,该方法在不损失性能的情况下,速度提升了5倍,网络规模缩小了1倍.
遥感图像目标检测、深度学习、神经网络
38
TP753(遥感技术)
中国国家自然科学基金61701478
2019-10-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
6-11