典型文献
Dense RFB和LSTM遥感图像舰船目标检测
文献摘要：
针对当前遥感图像舰船目标检测精度不佳问题,本文构建舰船目标数据集STAR,提出基于Dense RFB和LSTM多尺度舰船目标检测算法.该算法首先在SSD网络基础上设计了浅层特征增强模块,基于人眼视点图采用Dense RFB特征复用和膨胀卷积增大感受野的尺度和种类,增强浅层网络对细节特征的提取能力;其次设计了深层多尺度特征金字塔融合模块,采用FPN和LSTM思想,基于反卷积和残差网络对深层不同尺度特征进行融合,增强网络结构非线性和特征层的表征能力;最后加入聚焦分类损失函数进行联合训练,有效避免了正负样本失衡问题.在遥感图像舰船数据集上实验,本文所提舰船目标检测算法精度均值达到81.98％,检测速度达到29.6帧/s.此外,遥感图像中成像模糊、被遮挡、部分被裁剪等舰船目标的检测效果也优于原有经典算法,实验结果表明该算法对遥感图像舰船目标检测的泛化能力较强,有效地提高了遥感图像舰船目标检测的精度.
文献关键词：
舰船目标检测;Dense RFB;特征金字塔;LSTM;多尺度特征
中图分类号：
作者姓名：
张涛;杨小冈;卢孝强;卢瑞涛;张胜修
作者机构：
火箭军工程大学导弹工程学院,西安710025;中国科学院西安光学精密机械研究所,西安710068
文献出处：
引用格式：
[1]张涛;杨小冈;卢孝强;卢瑞涛;张胜修-.Dense RFB和LSTM遥感图像舰船目标检测)[J].遥感学报,2022(09):1859-1871
A类：
B类：
Dense,RFB,遥感图像,舰船目标检测,检测精度,STAR,目标检测算法,SSD,网络基础,特征增强模块,人眼,视点,复用,膨胀卷积,感受野,细节特征,特征的提取,多尺度特征金字塔,特征金字塔融合,FPN,反卷积,残差网络,不同尺度,结构非线性,表征能力,损失函数,联合训练,正负样本,失衡问题,检测速度,遮挡,裁剪,检测效果,泛化能力
AB值：
0.281777
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。
