基于优化Faster-RCNN的遥感影像飞机检测

摘要：

针对传统飞机检测算法特征学习能力较弱,在背景复杂、目标密集、成像质量较差的遥感影像上检测精度较低的问题,提出了 一种基于Faster-RCNN(Faster-Regions with Convolutional Neural Network)框架的遥感影像飞机检测优化算法.以ResNet50为基础特征提取网络,引入空洞残差块进行多层特征融合,构建新的特征提取网络,提高算法的特征提取能力.首先在UCAS-AOD数据集上采用交叉验证训练方法验证模型在不同训练集与测试集上的稳定性,同时比较不同算法的检测性能;然后在NWPU VHR-10数据集上进行飞机检测对比实验,验证模型泛化性.实验结果表明:在UCAS-AOD数据集上优化算法平均精度为97.1％,在NWPU VHR-10数据集上优化算法平均精度为96.2％.该优化算法能够提升遥感影像中飞机的检测精度,且泛化性更强,对实现遥感影像飞机快速检测具有一定的参考意义.

关键词：深度学习、遥感影像、目标检测、特征融合、空洞残差块

所属期刊栏目：36

分类号：TP75(遥感技术)

资助基金：重庆市教委科技项目;重庆交通大学研究生教育创新基金项目

在线出版日期：2021-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：275-284