建筑物指数与对抗网络结合的检测样本增广

作     者：王伟 陆冬华 高岩 张怡婷 WANG Wei;LU Dong-hua;GAO Yan;ZHANG Yi-ting

作者机构：核工业北京地质研究院遥感信息与图像分析技术国家级重点实验室北京100029 

出 版 物：《科学技术与工程》 (Science Technology and Engineering)

年 卷 期：2024年第24卷第3期

页      面：1154-1160页

学科分类：0810[工学-信息与通信工程] 083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 08[工学] 09[农学] 0804[工学-仪器科学与技术] 0903[农学-农业资源与环境] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感] 081002[工学-信号与信息处理] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 

基　　金：核工业北京地质研究院遥感信息与图像分析技术国家级重点实验室基金(6142A01210101-1) 

主　　题：图像处理 目标检测 样本增广 建筑物指数 生成式对抗网络 

摘      要：在基于深度学习的遥感图像大范围目标检测中,部分地物获取难度较大,训练结果不佳。因此,利用形态学建筑物指数与生成式对抗网络进行样本增广,减少因检测样本不足导致的模型过拟合问题。通过提取纹理结构信息相关的形态学建筑物指数,将其与原始样本进行叠加,对建筑物的纹理与空间特征进行强化。同时利用已有样本训练生成式对抗网络以增广部分目标类别,并将其与形态学建筑物指数增强后的样本进行合成,以扩充原始样本集。相比于翻转,裁剪,色调变化的增广策略,使用该方法的检测精度在YOLOv5、EfficientDet等模型上的检测精度均有2%~5%的提升。实验证明,利用建筑物指数与生成式对抗网络相结合的样本增广方法对于诸如发电站等特殊感兴趣类别的小样本遥感图像目标检测精度具有明显提升效果。