基于YOLOv5算法的飞机类型光学遥感识别

摘要：

飞机类型检测是遥感影像分析领域的研究热点,在机场监控和情报分析等应用中起着重要的作用.其中,深度学习方法作为遥感影像分析领域广泛应用的手段之一,在飞机类型检测任务中仍面临许多问题,如使用未公开的自制数据集、实验复现困难、无法验证泛化能力等.同时,光学遥感影像易受光照条件、云雨变化等因素影响,使检测任务更加困难.为了解决这些问题,本文首先利用MTARSI数据集对样本进行筛选,再结合Google Earth等开源方法收集飞机影像,采用随机旋转、改变亮度等方法构建新的飞机类型检测数据集.其次,采用YOLOv5作为基础网络框架,针对其多层卷积和池化操作可能会削弱或完全丢失飞机特征的问题,进行多尺度优化训练,有效检测飞机类型特征.最后,利用跨数据集验证模型的泛化能力.实验结果表明,本文方法能准确、有效地检测出光学遥感影像中的飞机的具体类型,具有较强的鲁棒性和泛化能力,跨数据集进行飞机类型检测正确率达到82.12％,可为智能化的飞机目标语义分析、星上应用等研究提供技术支撑.

关键词：飞机检测、类型检测、遥感影像、深度学习、数据增广、YOLOv5、多尺度优化、多时相检测

所属期刊栏目：24

资助基金：高分遥感测绘应用示范系统二期项目;国家自然科学基金;国家自然科学基金

在线出版日期：2022-04-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：572-582