基于优化区域卷积神经网络的机场区域检测

摘要：

机场区域因为其特殊性对民用和军用都具有重大意义.基于机器自主识别的机场区域检测方法是目前主流的检测方法,针对传统检测算法对机场区域遥感图像中多类别、多尺度、多视角以及复杂背景下检测鲁棒性不足的问题,本文提出了一种优化的区域卷积神经网络检测算法.首先,构建了一个相比传统数据集包含更多尺度、视角、类别和复杂背景等条件下的机场区域7类典型目标数据集并进行了优化处理,为模型算法的监督训练和调节奠定了基础;然后,根据所检测目标的特性以及网络的局限性,使用差异值法生成anchor、复杂负样本筛选以及加入先验判决网络对原网络进行了优化和仿真验证;最后,对优化的网络模型进行了测试与对比分析.实验结果表明,本文算法在仅增加极少检测时间基础上相比原算法有更高的平均精确度,且对各类目标的检测达到了较好的效果.

关键词：图像处理、目标检测、遥感机场区域、区域卷积神经网络、差异值法、先验判决

所属期刊栏目：57

分类号：TP183;TP751.1(自动化基础理论)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2020-07-02（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：203-213