测绘科学

2020, v.45;No.261(03) 110-116+134

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

深度学习的遥感影像舰船目标检测
Ship detection in remote sensing based on deep learning

赵江洪;张晓光;杨璐;马思宇;王殷瑞;董岩;孙铭悦;陈朝阳;

摘要(Abstract):

针对传统舰船检测方法中流程繁琐,速度较慢且对于复杂背景区域的检测精度较低等问题,该文提出了一种改进的Faster R-CNN深度神经网络端到端自动检测方法。该方法通过数据增强技术对数据集进行扩充,使用深度残差网络ResNet替代传统平网络VGG-16对数据集进行特征提取,在区域生成网络中针对舰船目标长宽比较高的特点修改了标定框的长宽比,较好地解决了传统检测方法步骤繁琐,速度较慢等缺点,实现了对遥感影像舰船目标的自动检测。实验结果表明,改进后的Faster R-CNN检测算法能够对遥感影像中的舰船目标进行快速的精确检测,准确率可达92.3%,检测速度达到每秒5帧。即使在面对遥感影像背景复杂、目标局部遮挡问题时也能准确识别。和传统的ENVI与eCognition分类手段相比,该方法提升了目标检测效果和识别效率,Faster R-CNN检测算法相比该方法提升了检测精度。

关键词(KeyWords): 遥感影像;舰船检测;深度学习;卷积神经网络(CNN);残差网络

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(41601409);国家自然科学基金青年基金项目(41501495);; 北京市自然科学基金项目(8172016);; 城市空间信息工程北京市重点实验室开放研究基金项目(2018210);; 北京建筑大学科学研究基金项目(00331616056)

作者(Author): 赵江洪;张晓光;杨璐;马思宇;王殷瑞;董岩;孙铭悦;陈朝阳;

Email:

DOI: 10.16251/j.cnki.1009-2307.2020.03.017

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享