基于迁移学习和改进Faster-RCNN遥感影像飞机目标检测

作者： 周绍鸿     方新建     刘鑫怡     张潆丹     严盛   来源： 机电工程技术 年份： 2024 文献类型 ： 期刊 关键词： 遥感影像   目标检测   RCNN   深度学习   Faster   迁移学习  

描述： 为了提高遥感影像飞机目标检测的准确性和泛化能力，需要解决背景复杂、尺度多变、目标密集、飞机朝向不确定和特征不明显等问题。但现阶段训练数据量有限，初始训练需要消耗大量算力和时间，容易出现过拟合现象。因此，需要优化模型结构和训练过程。针对上述问题，首先引入一种迁移学习的策略，在Faster-RCNN模型训练之前，加载MS COCO数据集预先训练好的权重，使模型快速收敛，节约了大量的训练时间。然后以ResNet50替代原Faster-RCNN的VGG16特征提取网络，更好地利用深层次的语义信息，在此基础上结合FPN网络，并对原Faster-RCNN的9种锚框增加为15种锚框，通过融合多尺度特征图以获得更丰富的特征表示，从而提高网络检测和定位目标的能力。以RSOD-Dataset数据集为例进行飞机目标检测实验，同时比较不同检测算法的性能；再以NWPU VHR-10数据集验证模型的泛化性和稳定性，实验结果表明：改进的Faster-RCNN在RSOD-Dataset数据集上的精确率为97.54%；在NWPU VHR-10数据集上的精确率为98.27%。通过迁移学习和改进Faster-RCNN的网络结构，可以实现在数据量较少的情况下高精度目标检测，且泛化能力较强，所提方法可以利用于其他目标检测和识别，具有较好的推广意义。

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。

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。

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DFECANet的遥感图像飞机目标检测方法

作者： 单慧琳     吕宗奎     付相为     胡宇翔     段修贤     张银胜   来源： 电子测量与仪器学报 年份： 2024 文献类型 ： 期刊 关键词： 遥感图像   特征上采样   图像处理   目标检测   多尺度特征融合  

描述： 的准确性。在DOTAv1数据集上的检测精度达到了95.2%,相较于YOLOv5s、SCRDet、ASSD等主流算法，飞机目标的检测精度提高了3.7%～18%。此外，该方法的检测速度以及模型参数量分别为

基于优化Mask-RCNN算法的遥感飞机目标检测

作者： 葛海婷     杨铁梅   来源： 太原科技大学学报 年份： 2024 文献类型 ： 期刊 关键词： 遥感图像   RCNN   深度学习   目标检测   Mask  

描述： 针对传统的图像检测算法在遥感领域中存在的问题，将改进的Mask-RCNN检测算法应用于遥感领域。通过优化Resnet特征提取网络，提高算法的特征提取能力；通过改进NMS非极大值抑制网络，优化区域推荐网络。并在自建的遥感飞机数据集上验证算法的稳定性以及有效性。经检测，改进的算法能够提升遥感图像中飞机的检测精度，并且有效降低了飞机目标的误检和漏检问题。

基于深度学习的光学遥感图像飞机检测算法

作者： 董永峰   仉长涛   汪鹏   冯哲   来源： 激光与光电子学进展 年份： 2021 文献类型 ： 期刊 关键词： 遥感图像   卷积神经网络   图像处理   目标检测   深度学习   Mask   RCNN算法  

描述： 光学遥感图像目标检测一直都是遥感领域研究的热点之一,但现有的检测方法对背景复杂且尺寸较小的目标检测准确率不高。针对以上问题,提出了一种以Mask-RCNN为基础框架的目标检测方法。该算法以ResNet50为特征提取网络并在此基础之上利用特征重用技术来更好地提取目标的语义特征,且针对不同类型的飞机尺寸比例不固定等特点,设计了一组更加合适的候选框尺度集合。实验结果证明,该方法与以往常用的检测算法相比在小物体检测上拥有更高的检测精度。

基于深度学习的光学遥感图像飞机检测算法

作者： 董永峰   仉长涛   汪鹏   冯哲   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   卷积神经网络   图像处理   目标检测   深度学习   Mask   RCNN算法  

描述： 基于深度学习的光学遥感图像飞机检测算法

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。