改进CenterNet的遥感图像目标检测

摘要：

基于深度学习的遥感图像检测在地球资源调查、军事侦察、环境监测等领域有着广泛的应用,更精准、高效的目标检测算法是目前遥感图像检测研究的热点和难点.提出一种改进的CenterNet遥感图像检测算法,对遥感图像进行预处理,以适应CenterNet网络,提高网络对遥感图像的检测有效性;对原网络进行改进,将残差模块中的标准卷积替换成深度可分离卷积,有效降低网络计算量,减少冗余;同时加入注意力机制,抑制无用信息,提高网络的检测准确率.针对遥感图像观测面积大而目标相对较小,目标尺寸差异较大且分布不均匀的特点来说,降低了目标的误检率和漏检率.实验结果表明,改进的CenterNet算法相较于原始CenterNet算法的效果有明显提升,证明了改进算法的鲁棒性.

关键词：目标检测、遥感图像、深度可分离卷积、注意力机制、Anchor-Free机制、CenterNet算法

所属期刊栏目：57

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;中国科学院自动化研究所模式识别国家重点实验室开放课题;河北省高等学校科学技术研究项目;天津科技发展战略研究计划;河北省自然科学基金面上项目;天津市企业科技特派员项目;科技部重点专项计划项目

在线出版日期：2021-03-25（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：191-199