弱监督深层神经网络遥感图像目标检测模型

摘要：

本文提出了一种遥感图像目标检测框架, 克服了遥感图像中由于目标较小且背景复杂造成的目标检测任务中的困难.所提框架包含两种深层神经网络模型, 分别是全卷积网络模型和卷积神经网络模型.首先, 使用全卷积网络提取遥感图像中可能存在待检测目标的候选区域, 避免了对图像的穷举搜索.其次, 使用深层卷积神经网络对候选区域分类, 通过提取高层特征提高分类正确率.然后, 提出了新的遥感图像目标检测数据集, 模型的训练全部使用图像级的标签, 提出简化弱监督训练方法解决遥感图像目标检测领域目标级标签缺乏的问题.最后, 提出一种候选框融合算法, 合并重叠候选框的同时调整候选框的位置.提出的模型在本文所提数据集satellite aircrafts dataset和公开数据集aircrafts dataset上进行了测试.实验结果表明, 提出的目标检测框架和其他使用深层神经网络的框架相比提高了目标检测的正确率, 并具有更高的检测效率.

关键词：遥感图像、目标检测、卷积神经网络、全卷积网络、弱监督训练

所属期刊栏目：48

分类号：TP391.41;TN925.93;TP183

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金

在线出版日期：2018-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：1022-1034