文献类型：期刊文章

作　　者：高鑫[1] 李慧[1,2] 张义[1] 闫梦龙[1] 张宗朔[3] 孙显[1] 孙皓[1] 于泓峰[1]

GAO Xin;LI Hui;ZHANG Yi;YAN Menglong;ZHANG Zongshuo;SUN Xian;SUN Hao;YU Hongfeng(Key Laboratory of Technology in Geo-spatiaI Information Processing and Application System fnstitute of Electronics,Chinese Academy of Sciences,Beijing 100190,China;University of Chinese Academy of Sciences,Beijing 100049,China;University of Central Lancashire（UCLan）,Preston PR1 2HE,United Kingdom)

机构地区：[1]中国科学院电子学研究所空间信息处理与应用系统技术重点实验室,北京100190 [2]中国科学院大学,北京100049 [3]中央兰开夏大学

出　　处：《电子与信息学报》

基　　金：国家自然科学基金(41501485)~~

年　　份：2018

卷　　号：40

期　　号：12

起止页码：2812-2819

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：车辆检测是遥感图像分析领域的热点研究内容之一,车辆目标的智能提取和识别,对于交通管理、城市建设有重要意义。在遥感领域中,现有基于卷积神经网络的车辆检测方法存在实现过程复杂并且对于车辆密集区域检测效果不理想的缺陷。针对上述问题,该文提出基于端到端的神经网络模型DF-RCNN以提高车辆密集区域的检测精度。首先,在特征提取阶段,DF-RCNN模型将深浅层特征图的分辨率统一并融合;其次,DFRCNN模型结合可变形卷积和可变形感兴趣区池化模块,通过加入少量的参数和计算量以学习目标的几何形变。实验结果表明,该文提出的模型针对密集区域的车辆目标具有较好的检测性能。

关 键 词：遥感影像 车辆检测 密集区域  端到端卷积神经网络  

分 类 号：TP751.2]