基于Faster R-CNN的高分辨率图像目标检测技术

作     者：谢奇芳 姚国清 张猛 XIE Qifang;YAO Guoqing;ZHANG Meng

作者机构：中国地质大学(北京)信息工程学院 

出 版 物：《国土资源遥感》 (Remote Sensing for Land & Resources)

年 卷 期：2019年第31卷第2期

页      面：38-43页

核心收录：

学科分类：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] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 

主　　题：目标检测 FasterR-CNN 卷积神经网络 高分辨率遥感图像 

摘      要：为提升传统算法对高分辨率遥感图像中地物目标的检测效果,将深度学习目标检测框架快速区域卷积神经网络(faster regions with convolutional neural network,Faster R-CNN)应用于高分辨率遥感图像目标检测任务中。以机场为检测场景、飞机为检测目标进行实验,首先,利用高分辨率遥感图像数据集训练Faster R-CNN框架,得到相应的目标检测模型;然后,采用该模型对高分辨率遥感图像中的飞机目标进行检测;最后,对实验结果进行统计分析及评价。实验结果表明,Faster R-CNN模型能够全面而准确地检测飞机目标,最优 F1分数值为0.976 3,并且同一个模型可以对多种高分辨率遥感图像进行目标检测。