计算机应用

作者：杨治佩, 丁胜, 张莉, 张新宇

单位：1.武汉科技大学 计算机科学与技术学院，武汉 430065；2.智能信息处理与实时工业系统湖北省重点实验室（武汉科技大学），武汉 430065；3.武汉晴川学院 计算机学院，武汉 430204

关键词：深度学习,遥感图像,目标检测,非对称卷积,无锚点目标检测

基金：湖北省自然科学基金资助项目(2018CFB195)

针对基于深度学习的遥感图像目标检测方法密集目标漏检率高、分类不准确的问题，建立了一种基于深度学习的无锚点的遥感图像任意角度的密集目标检测方法。首先采用CenterNet作为基线模型，经过主干网络提取特征，并改造原有检测器结构，即加入角度回归分支进行目标角度回归；然后提出一种基于非对称卷积的特征增强模块，并将主干网络提取到的特征图输入特征增强模块，从而增强目标的旋转不变性特征，消除由于目标的旋转、翻转带来的影响，进一步提升目标中心点、尺寸信息的回归精度。采用HourGlass-101作为主干网络时，该方法在DOTA数据集上的平均精度均值（mAP）比旋转区域候选网络（RRPN）提升了7.80个百分点，每秒处理帧数（FPS）提升了7.5；在自建数据集Ship3上，该方法的mAP比RRPN提升了8.68个百分点，FPS提升了6.5。结果表明，所提方法能获得检测精度和速度的平衡。

来源：2022年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第6期