计算机应用

作者：史文旭, 鲍佳慧, 姚宇

单位：1. 中国科学院 成都计算机应用研究所, 成都 610081;2. 中国科学院大学, 北京 100049;3. 电子科技大学 格拉斯哥学院, 成都 611731

关键词：深度学习,目标检测,遥感图像,卷积神经网络,特征融合

基金：四川省新一代人工智能重大专项（2018GZDZX0036）；四川省科技厅重点研发项目（2018SZ0040）。

为解决目前的遥感图像目标检测算法存在的对小尺度目标检测精度低和检测速度慢等问题，提出了一种基于深度学习的遥感图像目标检测与识别算法。首先，构建一个含有不同尺度大小的遥感图像的数据集用于模型的训练和测试；其次，基于原始的多尺度单发射击（SSD）网络模型，融入了设计的浅层特征融合模块、浅层特征增强模块和深层特征增强模块；最后，在训练策略上引入聚焦分类损失函数，以解决训练过程中正负样本失衡的问题。在高分辨率遥感图像数据集上进行实验，结果表明所提算法的检测平均精度均值（mAP）达到77.95%，相较于SSD网络模型提高了3.99个百分点，同时检测速度为33.8 frame/s。此外，在拓展实验中，改进算法对高分辨率遥感图像中模糊目标的检测效果也优于原多尺度单发射击网络模型。实验结果说明，所提改进算法能够有效地提高遥感图像目标检测的精度。

来源：2020年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第12期