论文摘要
为了实现大幅面遥感图像中飞机目标的高效检测与准确定位,通过深度神经网络(DNN)的级联组合,提出了一种新颖的搜寻与检测相集成的飞机目标高效检测算法。首先,运用高性能的端到端DNN网络,进行停机坪与跑道区域的像素级高效精准分割,从而大幅度缩小飞机目标的搜索范围,以降低虚警发生概率,完成飞机目标候选检测区域的快速搜寻。然后,针对分割所得停机坪与跑道区域,借助手工数据集对YOLO网络模型进行迁移式强化训练,一方面可以弥补训练集在样本类型与数据规模上的不足,另一方面借助YOLO网络的强时效性优势对飞机目标的位置进行回归求解,可以显著提高飞机目标的检测效率。停机坪与跑道区域分割DNN网络在分割精度与时效性上具有显著优势,而迁移式强化训练YOLO网络不仅具有很高的检测效率,在检测精度上也能保持良好的性能。通过一系列综合实验与对比分析,验证了提出的搜寻与检测相集成的DNN级联组合式飞机目标高效检测算法的性能优势。
论文目录
文章来源
类型: 期刊论文
作者: 郭琳,秦世引
关键词: 深度学习,深度神经网络,停机坪与跑道分割,飞机目标检测,大幅面遥感图像
来源: 北京航空航天大学学报 2019年01期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 工业通用技术及设备,自动化技术
单位: 北京航空航天大学自动化科学与电气工程学院
基金: 国家自然科学基金(U1435220,61731001)~~
分类号: TP751
DOI: 10.13700/j.bh.1001-5965.2018.0239
页码: 159-173
总页数: 15
文件大小: 2620K
下载量: 692
相关论文文献
标签：深度学习论文; 深度神经网络论文; 停机坪与跑道分割论文; 飞机目标检测论文; 大幅面遥感图像论文;