改进Mask R-CNN的遥感图像多目标检测与分割

摘要：

针对高分辨率遥感图像在目标检测与分割中特征提取困难、准确率低、虚假率高等问题,提出了一种改进的Mask R-CNN卷积神经网络.该网络以ResNet50为特征提取网络,在此基础上利用自下而上和自上而下两种分层跳连融合方式来进行更好的图像特征提取.针对遥感图像不同目标间尺寸差异过大、目标易丢失的问题,设计了自适应感兴趣区域来进行感兴趣区域提取.在目标分割中,使用局部融合全连接的卷积神经网络替换原全卷积神经网络,并使用上采样操作替换反卷积操作.在NWPU VHR-10数据集上进行验证,结果表明该方法与现有常用方法相比,显著地提高了遥感图像中多目标检测与分割的准确率.

关键词：卷积神经网络、分层跳连融合、自适应感兴趣区域提取、多目标检测分割、局部融合全连接卷积网络

所属期刊栏目：56

分类号：TP391.41(计算技术、计算机技术)

资助基金：河北省自然科学基金No.F2017202145

在线出版日期：2020-07-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：183-190