论文摘要
遥感图像分析在国土资源管理、海洋监测等领域有着极为广阔的应用前景。深度学习技术已在图像处理领域取得突破性进展,然而,遥感图像固有的尺寸大、目标小而密集等特点,使得将面向普通图像的深度学习方法用于遥感目标检测普遍存在定位不准确、小目标检测难、大图检测精度差等问题。针对上述难题,提出了一种新型遥感图像目标检测算法DFS。与传统机器学习方法相比,DFS设计了新的维度聚类模块、定制损失函数和滑动窗口分割检测机制。其中,维度聚类模块通过设计聚类机制优化定制先验框,提高定位精度;定制损失函数提高对船只等小目标的检测精度;滑动窗口分割检测解决大图检测精度低的问题。在经典遥感数据集上开展的实验对比表明,与YOLOv2相比,DFS算法的mAP提高了25.6%,小目标检测效率及大图检测效能大幅提高。
论文目录
文章来源
类型: 期刊论文
作者: 赵宝康,李晋文,杨帆,刘佳豪
关键词: 遥感图像,目标检测,深度学习
来源: 计算机工程与科学 2019年12期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 工业通用技术及设备,自动化技术
单位: 国防科技大学计算机学院
基金: 国家自然科学基金（61972412）
分类号: TP751;TP18
页码: 2166-2172
总页数: 7
文件大小: 1878K
下载量: 460