基于深度卷积神经网络的油罐目标检测研究

摘要：

油罐是用于储存油品的工业设施,常用在炼油厂等工业园中,通过卫星或航空遥感图像实现油罐目标的快速检测,可以实现对侵占生态保护红线的疑似工业园区的快速查找,为自然资源监管和生态环境保护提供科学技术支持.探讨了基于深度卷积神经网络在高分辨率遥感影像目标检测中的有效性,基于深度学习目标检测算法中具有代表性的Faster R-CNN(Convolutional Neural Network)和R-FCN(Region-based Fully Convolutional Network)框架,通过对ZF、VGG16、ResNet-503种网络模型进行训练和测试,实现了遥感影像上油罐目标的快速检测;通过修改锚点尺度和数量,丰富了候选框类型和数量,提升了油罐的目标检测精度,最优召回率接近80％.研究表明:深度卷积神经网络能够实现对高分辨率遥感影像中油罐目标的快速检测,为深度学习技术在遥感小目标的快速检测提供了实例和新的思路.

关键词：深度学习、卷积神经网络、遥感目标检测、油罐

所属期刊栏目：34

分类号：TP75(遥感技术)

资助基金：四川省遥感大数据应用工程技术研究中心开放基金课题2018KFJJ01;自然资源部基础测绘科技项目2018KJ0304;成都市科技项目2015-CX00-00011-ZF

在线出版日期：2019-10-14（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：727-735