基于迁移学习与图像增强的夜间航拍车辆识别方法
为了对夜间航拍图片中的车辆进行有效识别,提出基于二次迁移学习和Retinex算法的图像处理方法,仅利用小规模的数据集训练网络,采用基于Faster R-CNN的深度学习算法即可实现车辆的快速检测.首先在ImageNet大规模数据集和中国科学院日间航拍中规模数据集之间应用一次迁移学习;然后在日间中规模数据集与夜间航拍小规模数据集之间应用二次迁移学习;最后利用Retinex迭代算法对夜间图片进行处理以增强其与日间图片的相似性,使二次迁移学习有效进行.实验结果表明,在深度学习平台上,该方法利用小规模航拍数据集训练出有效的识别网络,检测结果优于传统的机器学习方法,在军事侦察及交通管控等方面具有一定的应用价值.
夜间航拍、车辆检测、深度学习、Faster R-CNN算法、迁移学习
31
TP391.41(计算技术、计算机技术)
航空科学基金2016ZC53033;空装"十三五"预研项目17-163-12-ZT-002-154-01
2019-04-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
467-473