基于深度神经网络的遥感图像飞机目标检测

摘要：

针对遥感图像飞机检测中存在的背景复杂和目标尺度变化大等问题,提出基于深度神经网络的遥感图像飞机目标检测模型DC-DNN.利用图像底层特征制作像素级标签完成全卷积神经网络(FCN)模型训练,将FCN模型与DBSCAN密度聚类算法相结合选取飞机目标的自适应候选区域,并基于VGG-16网络提取候选区域高层特征以获取飞机目标检测框,同时通过检测框抑制算法剔除重叠框和误检框,得到最终的飞机目标检测结果.实验结果表明,DC-DNN模型对于遥感图像飞机目标检测的准确率、召回率和F1值分别为95.78％、98.98％和0.973 5,相比WS-DNN、R-FCN等模型具有更好的检测性能和泛化能力.

关键词：遥感图像、目标检测、密度聚类、卷积神经网络、像素级标签

所属期刊栏目：46

分类号：TP181(自动化基础理论)

资助基金：河北省自然科学基金;河北省高等学校科学研究计划项目

在线出版日期：2020-07-23（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：268-276