论文摘要
日益增加的卫星遥感、无人机遥感应用对遥感图像目标检测提出了苛刻的性能需求。为了提高应用的时效性,相较于传统的图像数据服务器集中处理方式,目标检测算法向星载、机载终端计算设备的部署是一个重要的发展趋势。遥感图像的像素数量远高于普通图像,给终端设备的目标检测带来了严重的计算负担。为了解决这一问题,考虑到遥感图像覆盖幅宽广,有效目标分布稀疏的特点,提出了一种基于注意力的遥感图像目标轻量化检测网络,该算法将检测任务拆分为串行的两个阶段,对两个阶段的深度神经网络分别采取不同程度的轻量化策略,从而使得整体检测任务在准确率和计算效率上同时得到优化。在第1阶段,利用高压缩比的分类网络,得到目标区域的掩模图像,从而让第2阶段检测网络的注意力只集中在包含目标区域的范围;在第2阶段,利用MobileNet网络的通道分离卷积方式实现检测网络的小型化。在NVIDIAJetsonTX2嵌入式计算平台上的实验表明,相对传统的大型检测网络,该方法在不损失性能的情况下,速度提升了5倍,网络规模缩小了1倍。
论文目录
文章来源
类型: 期刊论文
作者: 陈国炜,刘磊,胡文龙
关键词: 遥感图像目标检测,深度学习,神经网络
来源: 国外电子测量技术 2019年08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: 中国科学院电子学研究所,中国科学院空间信息处理与应用系统技术重点实验室,中国科学院大学
基金: 中国国家自然科学基金（61701478）项目资助
分类号: TP183;TP751
DOI: 10.19652/j.cnki.femt.1901480
页码: 6-11
总页数: 6
文件大小: 411K
下载量: 62
相关论文文献
标签：遥感图像目标检测论文; 深度学习论文; 神经网络论文;