基于改进Faster R?CNN的遥感目标检测算法

摘要：

针对高分辨率遥感图像在目标检测中存在准确率低、目标漏检的问题,提出一种基于改进Faster R?CNN的遥感目标检测算法.采用ResNet?50作为主体网络进行特征提取,降低模型参数量和硬件资源占用,将ResNet?50的多尺度特征进行融合,进一步丰富中小目标的细节信息和位置信息.根据遥感目标尺寸的实际分布特点,采用K?means算法生成聚类中心,针对遥感目标尺度差异过大的问题,对聚类中心进行均值化操作,生成自适应锚点框参数,增强了区域建议网络(RPN)对多尺度目标的搜索能力,节约了人工根据经验设置锚点框参数的时间和精力.实验结果表明,改进算法能够有效地在多种复杂背景下检测不同尺度的遥感目标,在TRGS?HRRSD公共数据集上获得了83.76％的平均精度,召回率达到78.6％.

关键词：遥感目标检测;改进Faster R-CNN;特征提取;多尺度特征融合;聚类中心生成;锚点框参数;目标搜索

所属期刊栏目：45

分类号：TN911.73⁃34;TP391.4;TP237

资助基金：国家自然科学基金;新疆维吾尔自治区天山青年计划:优秀青年科技人才培养项目;湖北省教育厅科学技术研究项目;湖北文理学院博士基金项目

在线出版日期：2022-02-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：58-63