基于级联卷积神经网络的大场景遥感图像舰船目标快速检测方法

摘要：

针对大场景遥感图像舰船目标的快速检测问题，该文设计了一种级联型卷积神经网络检测框架。该检测框架由目标预筛选全卷积网络(P-FCN)和目标精确检测全卷积网络(D-FCN)两个全卷积网络级联而成。P-FCN是一个轻量级的图像分类网络，负责对大场景图像中可能的舰船区域进行快速预筛选，其层数少、训练简单，候选框冗余较少，能够减少后续网络的计算负担；D-FCN是一个改进的U-Net网络，通过在传统U-Net结构中加入目标掩膜和舰船朝向估计层以进行多任务的学习，实现任意朝向舰船目标的精细定位。该文分别使用TerraSAR-X雷达遥感图像和从91卫图、DOTA数据集中获得的光学遥感图像对算法进行了测试，结果表明该方法的检测准确率分别为0.928和0.926，与传统滑窗法相当，但目标检测时间仅为滑窗法的1/3左右。该文所提的级联型卷积神经网络检测框架在保持检测精度的前提下能显著提高目标检测效率，可实现大场景遥感图像中舰船目标的快速检测。

关键词：舰船目标检测、深度学习、全卷积网络、大场景遥感图像、快速检测

所属期刊栏目：8

分类号：TP183;TP751(自动化基础理论)

资助基金：国家自然科学基金61331015, U1830103

在线出版日期：2019-08-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：413-424