Dense RFB和LSTM遥感图像舰船目标检测

作     者：张涛 杨小冈 卢孝强 卢瑞涛 张胜修 ZHANG Tao;YANG Xiaogang;LU Xiaoqiang;LU Ruitao;ZHANG Shengxiu

作者机构：火箭军工程大学导弹工程学院西安710025 中国科学院西安光学精密机械研究所西安710068 

出 版 物：《遥感学报》 (NATIONAL REMOTE SENSING BULLETIN)

年 卷 期：2022年第26卷第9期

页      面：1859-1871页

核心收录：

学科分类：11[军事学] 0710[理学-生物学] 0810[工学-信息与通信工程] 08[工学] 081105[工学-导航、制导与控制] 0804[工学-仪器科学与技术] 081002[工学-信号与信息处理] 0811[工学-控制科学与工程] 1109[军事学-军事装备学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(编号:61806209) 航空科学基金(编号:201851U8012) 陕西省自然科学基础研究计划(编号:2021JQ-373)。 

主　　题：舰船目标检测 Dense RFB 特征金字塔 LSTM 多尺度特征 

摘      要：针对当前遥感图像舰船目标检测精度不佳问题,本文构建舰船目标数据集STAR,提出基于Dense RFB和LSTM多尺度舰船目标检测算法。该算法首先在SSD网络基础上设计了浅层特征增强模块,基于人眼视点图采用Dense RFB特征复用和膨胀卷积增大感受野的尺度和种类,增强浅层网络对细节特征的提取能力;其次设计了深层多尺度特征金字塔融合模块,采用FPN和LSTM思想,基于反卷积和残差网络对深层不同尺度特征进行融合,增强网络结构非线性和特征层的表征能力;最后加入聚焦分类损失函数进行联合训练,有效避免了正负样本失衡问题。在遥感图像舰船数据集上实验,本文所提舰船目标检测算法精度均值达到81.98%,检测速度达到29.6帧/s。此外,遥感图像中成像模糊、被遮挡、部分被裁剪等舰船目标的检测效果也优于原有经典算法,实验结果表明该算法对遥感图像舰船目标检测的泛化能力较强,有效地提高了遥感图像舰船目标检测的精度。