典型文献
改进Faster R-CNN的遥感图像多尺度飞机目标检测
文献摘要：
为了提高遥感图像中多尺度飞机目标的检测精度,本文提出一种基于改进Faster R-CNN的遥感图像飞机目标检测方法.该方法借助多层级融合结构,将深层次的语义特征与浅层次的细节特征相结合,生成多种尺度的既具有精确的位置信息又具有深层次的语义特征的特征图;再借助Faster R-CNN的多尺度RPN(Region Proposal Network)机制,通过对RPN中候选区域尺度的修正,从而提高遥感图像中多尺度飞机目标的定位精度;最后利用FasterR-CNN的分类回归网络,得到飞机目标检测结果.在高分辨率遥感图像中进行了实验,对3种特征提取网络ZF、VGG-16以及ResNet-50进行改进,改进后的精度分别提高了 11.34％、9.87％以及1.66％,并且生成的检测框更加贴合飞机目标.实验结果表明,本文方法适用于遥感图像多尺度飞机目标检测,在提高目标定位精度的同时降低了目标漏检现象.
文献关键词：
遥感图像;目标检测;Faster R-CNN;多层次融合结构;多尺度
中图分类号：
作者姓名：
沙苗苗;李宇;李安
作者机构：
中国科学院空天信息创新研究院,北京100094;中国科学院大学电子电气与通信工程学院,北京100049
文献出处：
引用格式：
[1]沙苗苗;李宇;李安-.改进Faster R-CNN的遥感图像多尺度飞机目标检测)[J].遥感学报,2022(08):1624-1635
A类：
多层次融合结构
B类：
飞机目标检测,检测精度,目标检测方法,多层级,层级融合,语义特征,细节特征,位置信息,特征图,RPN,Region,Proposal,Network,候选区域,区域尺度,定位精度,FasterR,高分辨率遥感图像,特征提取网络,ZF,VGG,ResNet,加贴,贴合,目标定位,漏检
AB值：
0.282913
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
