论文摘要
基于军事领域对遥感图像目标检测技术的需求,研究了深度学习算法中的Faster R-CNN算法,同时针对遥感图像的小目标数目较多,相邻较近等特点,研究了检测算法中的优化算法—FPN算法;在此基础上使用Caffe进行实验仿真,对比了结合不同尺度特征信息的检测模型对遥感图像中飞行器类别的检测结果;试验结果表明,Faster RCNN算法在遥感图像飞行器类别上表现一般,但结合FPN算法思想后检测结果明显提升,最好的检测模型精度提升了8. 7%;基于该检测模型,检测其他种类的遥感目标,只需要对现有的模型进行微调即可;通过优化基础的Faster R-CNN网络结构训练检测模型,能提升检测结果,为军事上的图像检测提供一种新的方向,可以避免传统目标检测过程中需要人工设计特征、检测耗时较长等缺点,也为后续自动目标检测技术的研究提供新的方向。
论文目录
文章来源
类型: 期刊论文
作者: 李靓,贺柏根,霍家道
关键词: 目标检测
来源: 指挥控制与仿真 2019年02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: 江苏自动化研究所
分类号: TP751;TP183
页码: 130-136
总页数: 7
文件大小: 2228K
下载量: 335
相关论文文献
标签：目标检测论文;