航空遥感影像中的轻量级小目标检测

被引：14

作者：

薛雅丽 ^{[1
]}

孙瑜 ^{[1
]}

马瀚融 ^{[1
]}

机构：

[1] 南京航空航天大学

来源：

电光与控制 | 2022年 / 06期

关键词：

深度学习; 目标检测; 遥感图像; 小目标; 特征融合;

D O I：

暂无

中图分类号：

V243.5 [航空遥控、遥测设备，遥感设备]; TP751 [图像处理方法];

学科分类号：

081002 ; 1404 ;

摘要：

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。

引用

页码：11 / 15

页数：5

共 3 条

[1] Distance-IoU Loss: Faster and Better Learning for Bounding Box Regression[J] . Zhaohui Zheng,Ping Wang,Wei Liu,Jinze Li,Rongguang Ye,Dongwei Ren.Proceedings of the AAAI Conference on Artificial Intelligence . 2020 (07)
[2] Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
Ren, Shaoqing
He, Kaiming
Girshick, Ross
Sun, Jian
[J]. IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, 2017, 39 (06) : 1137 - 1149
[3] Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition .2 He K,Zhang X,Ren S.et al. IEEE Transactions on Pattern Analysis and Machine Inteligence . 2015

← 1 →