基于Faster R-CNN深度网络的遥感影像目标识别方法研究

被引：35

作者：

王金传 ^{[1
]}

谭喜成 ^{[2
,3
]}

王召海 ^{[1
]}

钟燕飞 ^{[4
]}

董华萍 ^{[4
,5
]}

周松涛 ^{[2
]}

成布怡 ^{[2
]}

机构：

[1] 山东师范大学地理与环境学院

[2] 武汉大学遥感信息工程学院

[3] 地理空间信息与数字技术国家测绘地理信息局工程技术研究中心

[4] 武汉大学测绘遥感信息工程国家重点实验室

[5] 城市空间信息工程北京市重点实验室

来源：

地球信息科学学报 | 2018年 / 10期

基金：

国家重点研发计划;

关键词：

深度学习; Faster R-CNN网络; 高分辨率; 遥感影像; 目标识别;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

081002 ;

摘要：

遥感影像目标识别在众多领域中具有极高的理论意义与应用价值,更快速、更精确的目标识别方法研究是目前遥感及图像研究领域的热点与难点。本文将深度学习的方法应用于遥感影像目标识别中,提出基于Faster R-CNN深度学习网络的目标快速精确识别方法。该方法采用了包括基于RPN的建议区域提取方法和VGG16训练卷积网络模型,构建了面向遥感影像目标识别的深度卷积神经网络。为验证该方法的精度及性能,在Caffe深度学习框架上,选取高分辨率遥感影像中飞机、油罐、操场及立交桥目标进行验证实验。结果表明,基于Faster R-CNN的深度学习方法能够实现对遥感影像目标的快速、准确识别,同时具有较好的推广性。通过本文的研究,证明基于Faster R-CNN深度学习的高分遥感影像目标识别方法具有显著优势和潜力,对基于其他深度学习方法的目标识别研究也有一定的参考意义。

引用

页码：1500 / 1508

页数：9

共 20 条

[1] Faster R-CNN模型在车辆检测中的应用 [J].