基于深度学习的目标检测模型在自然场景中所取得的结果难以直接应用于遥感图像,主要原因是遥感图像具有类间相似性、目标尺寸变化大等特点。因此,在面向遥感图像的目标检测中如何实现精确的检测效果仍是需要重点关注的问题。为解决上述...基于深度学习的目标检测模型在自然场景中所取得的结果难以直接应用于遥感图像,主要原因是遥感图像具有类间相似性、目标尺寸变化大等特点。因此,在面向遥感图像的目标检测中如何实现精确的检测效果仍是需要重点关注的问题。为解决上述问题,提出一种面向遥感图像的两阶段目标检测算法,即基于区域卷积神经网络的特征增强与融合方法(region-based convolutional neural networks with feature enhancement and fusion,FEF-RCNN),该算法设计的分支残差结构利用不同大小的卷积分支和非对称卷积操作得到多样化的特征信息,在提高骨干网络的特征表示能力的同时减少了计算量。随后构建出的重构信息特征金字塔将高低层的语义信息和位置信息进行融合交互,以适应图像中不同尺度的目标。最后,在公开的大规模数据集DOTA中进行充分实验证实该方法的有效性,并获得了77.25%的平均检测精度。展开更多
为提升弹载成像制导中运动模糊图像目标检测的精确性与效率,提出一种轻量化且高效的运动模糊图像目标检测(Lighter and More Effective Motion-blurred Image Object Detection,LEMBD)网络。通过深入分析运动模糊图像的成因,基于成像机...为提升弹载成像制导中运动模糊图像目标检测的精确性与效率,提出一种轻量化且高效的运动模糊图像目标检测(Lighter and More Effective Motion-blurred Image Object Detection,LEMBD)网络。通过深入分析运动模糊图像的成因,基于成像机理构建了专用的运动模糊图像数据集。在不增加网络参数的前提下,采用共享权重的孪生网络设计,并引入先验知识,将清晰图像的特征学习用于模糊图像的特征提取,以同时实现对清晰与模糊图像的精准检测。此外,设计了部分深度可分离卷积替代普通卷积,显著减少了网络的参数量与计算量,并提升了学习性能。为进一步优化特征融合质量,提出跨层路径聚合特征金字塔网络,有效利用低级特征的细节信息和高级特征的语义信息。实验结果表明,所提LEMBD网络在运动模糊图像目标检测任务中的性能优于传统目标检测方法和主流运动模糊检测算法,能够为精确制导任务提供更精准的目标相对位置信息。展开更多
文摘基于深度学习的目标检测模型在自然场景中所取得的结果难以直接应用于遥感图像,主要原因是遥感图像具有类间相似性、目标尺寸变化大等特点。因此,在面向遥感图像的目标检测中如何实现精确的检测效果仍是需要重点关注的问题。为解决上述问题,提出一种面向遥感图像的两阶段目标检测算法,即基于区域卷积神经网络的特征增强与融合方法(region-based convolutional neural networks with feature enhancement and fusion,FEF-RCNN),该算法设计的分支残差结构利用不同大小的卷积分支和非对称卷积操作得到多样化的特征信息,在提高骨干网络的特征表示能力的同时减少了计算量。随后构建出的重构信息特征金字塔将高低层的语义信息和位置信息进行融合交互,以适应图像中不同尺度的目标。最后,在公开的大规模数据集DOTA中进行充分实验证实该方法的有效性,并获得了77.25%的平均检测精度。
文摘为提升弹载成像制导中运动模糊图像目标检测的精确性与效率,提出一种轻量化且高效的运动模糊图像目标检测(Lighter and More Effective Motion-blurred Image Object Detection,LEMBD)网络。通过深入分析运动模糊图像的成因,基于成像机理构建了专用的运动模糊图像数据集。在不增加网络参数的前提下,采用共享权重的孪生网络设计,并引入先验知识,将清晰图像的特征学习用于模糊图像的特征提取,以同时实现对清晰与模糊图像的精准检测。此外,设计了部分深度可分离卷积替代普通卷积,显著减少了网络的参数量与计算量,并提升了学习性能。为进一步优化特征融合质量,提出跨层路径聚合特征金字塔网络,有效利用低级特征的细节信息和高级特征的语义信息。实验结果表明,所提LEMBD网络在运动模糊图像目标检测任务中的性能优于传统目标检测方法和主流运动模糊检测算法,能够为精确制导任务提供更精准的目标相对位置信息。
