文献类型：期刊文章

作　　者：李大军[1] 何维龙[2,3] 郭丙轩[2] 李茂森[1] 陈敏强[1]

LI Dajun;HE Weilong;GUO Bingxuan;LI Maosen;CHEN Minqiang(Faculty of Geomatics,East China University of Technology,Nanchang 330013,China;State Key Laboratory of Information Engineering in Surveying,Mapping and Remote Sensing,Wuhan University,Wuhan 430079,China;Gansu Forestry Polytechnic,Tianshui,Gansu 741020,China)

机构地区：[1]东华理工大学测绘工程学院,南昌330013 [2]武汉大学测绘遥感信息工程国家重点实验室,武汉430079 [3]甘肃林业职业技术学院,甘肃天水741020

出　　处：《测绘科学》

基　　金：国家重点研发计划项目(2016YFB0502200);国家自然科学基金项目(41127901);测绘遥感信息工程国家重点实验室专项科研经费资助项目

年　　份：2019

卷　　号：44

期　　号：10

起止页码：172-180

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对在航空影像中,城区80%的人工目标物为建筑物和道路,建筑物是遥感影像中主要地物的类别,所以建筑物的检测会直接影响到地物提取的自动化水平这一问题。该文提出了一种基于Mask-RCNN的建筑物目标检测方法,是基于卷积神经网络思想,在深度学习框架下通过多线程迭代训练,将无人机影像作为训练样本,在卷积神经网络中得到目标特征再通过区域建议网络(RPN)与ROIAlign操作将特征输入不同的全连接分支。最后得到具优化的权重参数的目标检测模型。在不同场景图像中,该模型可以检测出建筑物目标。实验结果达到了预期要求,提高了航空影像中建筑物检测的准确性。

关 键 词：建筑物目标检测  卷积神经网络 Mask-RCNN  ResNet101网络  TensorFlow  

分 类 号：P231]