基于半监督学习的遥感飞机图像检测方法

作者： 杜泽星   殷进勇   杨建   来源： 激光与光电子学进展 年份： 2019 文献类型 ： 期刊 关键词： 遥感图像   目标检测   半监督学习   生成式对抗网络  

描述： 针对现有的基于深度学习的遥感飞机图像检测方法,在训练时需要大量的带标记数据集和较长的训练时间,本文提出了一种基于生成式对抗网络的半监督学习方法。采用两种粒度的深度卷积生成式对抗网络,分别提取了待检测目标的边缘特征信息和深层语义特征。通过结合两种粒度的生成式对抗网络的判别器网络模型,设计了目标检测网络模型。实验结果表明,本文所设计的这种半监督学习训练方法有着更快的收敛速度,并且在训练时需要的标记样本更少。

基于最优区域生成的深度多尺度融合遥感飞机检测方法

作者： 刘晨   郑恩让   张桐   来源： 科学技术与工程 年份： 2020 文献类型 ： 期刊 关键词： 遥感图像   飞机检测   多尺度融合   锚框  

描述： 基于最优区域生成的深度多尺度融合遥感飞机检测方法

基于卷积神经网络的遥感图像飞机目标识别

作者： 晁安娜   刘坤   来源： 微型机与应用 年份： 2018 文献类型 ： 期刊 关键词： 遥感图像   卷积神经网络   飞机识别   深度学习  

描述： 遥感图像的识别技术一直被广泛运用于民用和军事领域。针对采集到的遥感飞机图像存在大量干扰,如遮挡、噪声、视角变化等因素,提出一种改进的基于卷积神经网络的遥感图像目标识别算法。在复杂环境下,运用卷积神经网络对飞机目标进行识别,避免了在特征提取过程中信息的丢失,提高了识别率。实验结果证明了该算法在遥感图像飞机目标识别中的可行性,能克服尺度变化及目标姿态变化等因素的影响。同时提出的算法较传统CNN、BP神经网络和支持向量机(SVM)方法具有更好的识别效果,鲁棒性更强。

基于卷积神经网络的遥感图像飞机检测

作者： 张义德   胡长雨   胡春育   来源： 光电子技术 年份： 2017 文献类型 ： 期刊 关键词： 遥感图像   卷积神经网络   微调   迁移学习   飞机检测  

描述： 提出一种CNN的遥感图像飞机检测的方法。首先获得预训练好的CNN,然后通过参数迁移获得五层卷积层模型参数,接着利用遥感图像对第五层卷积层进行微调获得一个特征提取器。将特征提取器用于提取遥感图像训练集的深度特征,训练可变形部件检测模型。实验表明,提出的方法大大提高了遥感图像飞机目标检测精度,准确率达96%以上。

基于深度神经网络的遥感图像飞机目标检测

作者： 李文斌   何冉   来源： 计算机工程 年份： 2021 文献类型 ： 期刊 关键词： 遥感图像   卷积神经网络   目标检测   密度聚类   像素级标签  

描述： 。实验结果表明,DC-DNN模型对于遥感图像飞机目标检测的准确率、召回率和F1值分别为95.78%、98.98%和0.973 5,相比WS-DNN、R-FCN等模型具有更好的检测性能和泛化能力。

基于深度神经网络的遥感图像飞机目标检测

作者： 李文斌   何冉   来源： 计算机工程 年份： 2021 文献类型 ： 期刊 关键词： 遥感图像   卷积神经网络   目标检测   密度聚类   像素级标签  

描述： 。实验结果表明,DC-DNN模型对于遥感图像飞机目标检测的准确率、召回率和F1值分别为95.78%、98.98%和0.973 5,相比WS-DNN、R-FCN等模型具有更好的检测性能和泛化能力。

基于半监督学习的遥感飞机图像检测方法

作者： 杜泽星   殷进勇   杨建   来源： 激光与光电子学进展 年份： 2020 文献类型 ： 期刊 关键词： 遥感图像   图像处理   目标检测   半监督学习   生成式对抗网络  

描述： 基于半监督学习的遥感飞机图像检测方法

基于FCN与CNN的遥感影像飞机目标检测方法

作者： 李文斌   何冉   来源： 计算机工程 年份： 2020 文献类型 ： 期刊 关键词： FCN   遥感图像   CNN   目标检测   像素级标签  

描述： 进行抑制；使用图像级标签代替目标级标签进行CNN训练、以及使用图像的CNN底层特征图制作像素级标签来训练FCN。实验表明，本模型获得了95.78%的准确率、98.98%的召回率、0.9735的F1分数，具有优异的检测性能和良好的泛化能力。

航空遥感影像中的轻量级小目标检测

作者： 薛雅丽   孙瑜   马瀚融   来源： 电光与控制 年份： 2022 文献类型 ： 期刊 关键词： 小目标   遥感图像   特征融合   深度学习   目标检测  

描述： 单阶段目标检测算法凭借结构简单、模型高效等特点获得很多研究者及工业界的关注。以现有的YOLO算法为基础，针对遥感图像中目标尺寸小、排列紧密等困难，提出一种提升复杂背景下小目标检测精度的轻量级目标检测方法。该方法引入加权融合特征网络，为每层特征图赋予可在训练中不断学习的权重系数，加强深浅层特征融合。通过引入CIoU损失及模型改进，加快网络收敛速度，使其满足实时性需求。在基于DOTA构建的遥感图像小目标数据集上进行对比实验，结果表明，该方法具有更好的检测精度与检测速度。

高分辨率航空遥感图像的建筑物识别

作者： 王玉琴   尤静静   蔡世鑫   来源： 北京测绘 年份： 2023 文献类型 ： 期刊 关键词： 遥感图像   RCNN)模型   快速区域卷积神经网络(Faster   建筑物识别   深度学习  

描述： 目前深度学习方法的研究已在语音辨别、图像识别、信息检索等方面取得较大成果。建筑物的自动检测与识别已成为遥感图像处理范畴研究的热点。针对高分辨率航空遥感影像中的建筑物快速、精准识别的应用问题，文章提出利用深度学习方法中的快速区域卷积神经网络(Faster RCNN)模型对航空遥感图像进行建筑物识别，经验证，利用Faster RCNN模型对航空遥感图像进行建筑物识别其结果可达93.7%的精准率，平均每张图像识别时间为74 ms,证明了Faster RCNN模型应用于航空遥感图像建筑物识别中的有效性及高效性。