Print

基于Faster R-CNN的高分辨率图像目标检测技术

论文摘要

为提升传统算法对高分辨率遥感图像中地物目标的检测效果,将深度学习目标检测框架快速区域卷积神经网络（faster regions with convolutional neural network,Faster R-CNN）应用于高分辨率遥感图像目标检测任务中。以机场为检测场景、飞机为检测目标进行实验,首先,利用高分辨率遥感图像数据集训练Faster R-CNN框架,得到相应的目标检测模型;然后,采用该模型对高分辨率遥感图像中的飞机目标进行检测;最后,对实验结果进行统计分析及评价。实验结果表明,Faster R-CNN模型能够全面而准确地检测飞机目标,最优F1分数值为0. 976 3,并且同一个模型可以对多种高分辨率遥感图像进行目标检测。

论文目录

  • 0 引言
  • 1 Faster R-CNN框架原理
  •   1.1 Faster R-CNN框架目标检测流程
  •   1.2 RPN网络结构和工作原理
  •   1.3 3种常见的特征提取网络
  • 2 高分辨率遥感图像目标检测实验
  •   2.1 实验环境与实验数据
  •   2.2 实验流程与评价指标
  •   2.3 参数设置与实验结果
  •     2.3.1 飞机识别实验
  •     2.3.2 飞机检测实验
  • 3 结论

    • 文章来源

    类型: 期刊论文

    作者: 谢奇芳,姚国清,张猛

    关键词: 目标检测,卷积神经网络,高分辨率遥感图像

    来源: 国土资源遥感 2019年02期

    年度: 2019

    分类: 基础科学,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: 中国地质大学(北京)信息工程学院

    分类号: TP751

    页码: 38-43

    总页数: 6

    文件大小: 969K

    下载量: 735

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/c9648a224a9714b11d92a939.html