基于多尺度融合特征卷积神经网络的遥感图像飞机目标检测
Aircraft detection in remote sensing imagery with multi-scale feature fusion convolutional neural networks作者机构:中国科学院电子学研究所航天微波遥感系统部北京100190 中国科学院大学电子电气与通信工程学院北京100049
出 版 物:《测绘学报》 (Acta Geodaetica et Cartographica Sinica)
年 卷 期:2019年第48卷第10期
页 面:1266-1274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)] 081802[工学-地球探测与信息技术] 08[工学] 0708[理学-地球物理学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 0704[理学-天文学]
基 金:国家自然科学基金青年基金(61422113 61601437) 国家重点研发计划(2017YFB0502700)~~
摘 要:飞机检测在遥感图像解译中具有重要的研究意义。针对现有目标检测算法对于复杂场景区域或飞机密集区域的小尺度飞机目标检测精度较低的问题,本文提出了一种端到端的多尺度特征融合飞机目标检测框架MultDet。该方法基于SSD多尺度检测框架,采用轻量级基础网络提取多尺度特征信息;然后设计反卷积特征融合模块,通过跳跃连接将高层语义特征与低层细节特征进行特征融合,得到结构层次丰富的多尺度融合特征;最后设计了一系列不同纵横比的候选框以适应多尺度飞机目标检测。本文在光学遥感图像数据集UCAS-AOD上进行数据分析试验,结果表明,MultDet512在飞机数据集上取得了94.8%的平均检测精度(average precision,AP),在Titan Xp GPU上达到0.0500s/img的检测速度。本文所提飞机目标检测算法在包含多种复杂场景的遥感图像中,能够实现多尺度飞机目标的高精度稳健检测。