文献类型：期刊文章

作　　者：姚群力[1,2] 胡显[1,2] 雷宏[1]

Yao Qunli;Hu Xian;Lei Hong(Department of Space Micro wave Remote Sensing Systems,Institute of Electronics,Chinese Academy of Sciences,Beijing 100190,China;School of Electronics,Electrical and Communication Engineering,University of Chinese Academy of Sciences,Beijing 100049,China)

机构地区：[1]中国科学院电子学研究所航天微波遥感系统部,北京100190 [2]中国科学院大学电子电气与通信工程学院,北京100049

出　　处：《光学学报》

基　　金：国家自然科学基金青年基金(61422113,61601437);国家重点研发计划(2017YFB0502700)

年　　份：2019

卷　　号：39

期　　号：11

起止页码：338-345

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：针对现有遥感图像目标检测算法对于复杂场景下多尺度目标检测精度较低、泛化能力差的问题,提出了一种多尺度卷积神经网络遥感目标检测框架--MSCNN。该方法通过构造一种深度特征金字塔,增强了网络对多尺度目标特征的提取能力;引入聚焦分类损失作为分类损失函数,加强了网络对难样本的学习能力。所提方法在NWPU VHR-10公开数据集上取得了0.960的平均检测精度(mAP),相较于RetinaNet检测框架,MSCNN对小尺度以及中等尺度目标的平均检测精度分别提高了1.5%和1.9%,实现了对多尺度目标的高精度稳健检测。

关 键 词：遥感 目标检测 卷积神经网络 多尺度目标  

分 类 号：TP753]