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。

基于卷积神经网络的高分辨率SAR图像飞机目标检测方法

作者： 王思雨   高鑫   孙皓   郑歆慰   孙显   来源： 雷达学报 年份： 2019 文献类型 ： 期刊 关键词： 合成孔径雷达(SAR)   数据增强   视觉显著性   飞机检测   卷积神经网络(CNN)  

描述： 传统的合成孔径雷达(Synthetic Aperture Radar,SAR)图像飞机检测方法一般利用像素对比度信息进行图像分割,从而提取待定目标。然而这些方法只考虑了像素亮度信息而忽视了目标的结构特征,进而导致目标的不精确定位和大量虚警的产生。基于上述问题,该文构建了一个全新的SAR图像飞机目标检测算法框架。首先,针对大场景SAR图像应用需求,提出了改进的显著性预检测方法,从而实现SAR图像候选飞机目标多尺度快速粗定位;然后,设计并调优了含4个权重层的卷积神经网络(Convolutional Neural Network,CNN),实现对候选目标的精确检测和鉴别;最后,因为SAR数据量有限、易导致过拟合,提出4种适用于SAR图像的数据增强方法,具体包括平移、斑点加噪、对比度增强和小角度旋转。实验证实该飞机检测算法在高分辨率Terra SAR-X数据集上效果显著,与传统的SAR飞机检测方法相比,该方法检测效率更高,泛化能力更强。

基于特征融合与软判决的遥感图像飞机检测

作者： 朱明明   许悦雷   马时平   李帅   马红强   来源： 光学学报 年份： 2019 文献类型 ： 期刊 关键词： 区域卷积神经网络   特征融合   图像处理   软判决   飞机检测  

描述： 提出了一种特征融合结合软判决的飞机检测方法。以区域卷积神经网络为基本框架,依次采用L2范数归一化、特征连接、尺度缩放和特征降维来融合多层特征。为了降低网络在目标高度重叠时的漏检率,引入软判决来改进传统的非极大值抑制方法。实验结果表明,所提方法能够准确快速地检测到飞机,得到检测率为94.25%、虚警率为5.5%、平均运行时间为0.16 s的实验结果。与现有的其他检测方法相比,所提方法的各项指标均得到显著提升。

遥感图像飞机目标检测方法研究

作者： 张晨露   来源： 中国科学院大学(中国科学院西安光学精密机械研究所) 年份： 2019 文献类型 ： 学位论文 关键词： 遥感图像   感受野   卷积神经网络   目标检测   飞机目标  

描述： 遥感图像飞机目标检测方法研究

高分辨率遥感图像中飞机目标自动检测方法研究

作者： 任瑞龙   来源： 电子科技大学 年份： 2019 文献类型 ： 学位论文 关键词： 遥感图像   语义分割   深度学习   目标检测   飞机  

描述： 高分辨率遥感图像中飞机目标自动检测方法研究

基于深度学习的机场场面飞机检测跟踪系统设计与实现

作者： 郭进祥   来源： 宁夏大学 年份： 2019 文献类型 ： 学位论文 关键词： ADS   B   飞机跟踪   机场场面   深度学习   飞机检测  

描述： 基于深度学习的机场场面飞机检测跟踪系统设计与实现

改进YOLO V3遥感图像飞机识别应用

作者： 郑志强   刘妍妍   潘长城   李国宁   来源： 电光与控制 年份： 2019 文献类型 ： 期刊 关键词： YOLO   Densenet   遥感图像   means   卷积神经网络   飞机识别   k   V3  

描述： 为了准确识别遥感图像中的飞机,基于YOLO V3算法,通过使用K-means算法对数据集进行聚类分析,借鉴Densenet网络的思想,将YOLO V3网络中的两个残差网络模块替换为两个密集网络模块,改进为一种Dense-YOLO深度卷积神经网络结构。对改进前与改进后的网络进行训练,分别选出使两个网络识别效果最好的权重文件,针对高质量遥感图像与过度曝光、云雾遮挡等低质量遥感图像分别进行测试与分析。实验结果表明,新改进的深度卷积神经网络应用在两种图像上效果均有提升。其中,改进的算法在高质量的遥感图像中准确率高达99.72%,比原始算法准确率提升了0.85%,召回率高达98.34%,召回率提升了1.94%。在低质量遥感图像中准确率高达96.12%,比原始算法准确率提升了5.07%,召回率高达93.10%,召回率提升了19.75%。