典型文献
一阶全卷积遥感影像倾斜目标检测
文献摘要：
目的 主流深度学习的目标检测技术对自然影像的识别精度依赖于锚框设置的好坏,并使用平行于坐标轴的正框表示物体位置,而遥感影像中地物目标具有尺寸多变、分布密集、长宽比悬殊且朝向不定的特点,更宜通过与物体朝向一致的斜框表示其位置.本文试图结合无锚框和斜框检测技术,在遥感影像上实现高精度目标识别.方法 使用斜框标注能够更为紧密地贴合目标边缘,有效减少识别干扰因素.本文基于单阶段无锚框目标检测算法:一阶全卷积目标检测网络(fully convolutional one-stage object detector,FCOS),通过引入滑动点结构,在遥感影像上实现高效率、高精度的斜框目标检测.与FCOS的不同之处在于,本文改进的检测算法增加了用于斜框检测的两个分支,通过在正框的两邻边上回归滑动顶点比率产生斜框,并预测斜框与正框的面积比以减少极端情况下的检测误差.结果 在当前最大、最复杂的斜框遥感目标检测数据集DOTA(object detection in aerial images)上对本文方法进行评测,使用ResNet50作为骨干网络,平均精确率(mean average precision,mAP)达到74.84％,相比原始正框FCOS算法精度提升了33.02％,相比于YOLOv3(you only look once)效率提升了38.82％,比斜框检测算法R3 Det(refined rotation RetinaNet)精度提升了1.53％.结论 实验结果说明改进的FCOS算法能够很好地适应高分辨率遥感倾斜目标识别场景.
文献关键词：
深度学习;遥感影像;无锚框;特征提取;多尺度特征融合;倾斜目标检测
中图分类号：
作者姓名：
周院;杨庆庆;马强;薛博维;孔祥楠
作者机构：
中科星图空间技术有限公司,西安 710000
文献出处：
引用格式：
[1]周院;杨庆庆;马强;薛博维;孔祥楠-.一阶全卷积遥感影像倾斜目标检测)[J].中国图象图形学报,2022(08):2537-2548
A类：
倾斜目标检测
B类：
全卷积,遥感影像,识别精度,好坏,坐标轴,地物,长宽比,悬殊,朝向,不定,目标识别,贴合,干扰因素,单阶段,无锚框目标检测,目标检测算法,目标检测网络,fully,convolutional,one,stage,object,detector,FCOS,动点,不同之处,邻边,边上,顶点,测斜,面积比,检测误差,遥感目标检测,检测数据集,DOTA,detection,aerial,images,评测,ResNet50,骨干网络,精确率,mean,average,precision,mAP,精度提升,YOLOv3,you,only,look,once,R3,Det,refined,rotation,RetinaNet,高分辨率遥感,多尺度特征融合
AB值：
0.436566
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。
