文献类型：期刊文章

作　　者：史文旭[1,2] 谭代伦[3] 鲍胜利[1,2]

SHI Wen-xu;TAN Dai-lun;BAO Sheng-li(Chengdu Institute of Computer Application,Chinese Academy of Sciences,Chengdu 610081,China;University of Chinese Academy of Sciences,Beijing 100049,China;School of Mathematics and Information,China West Normal University,Nanchong,Sichuang 637009,China)

机构地区：[1]中国科学院成都计算机应用研究所,成都610081 [2]中国科学院大学,北京100049 [3]西华师范大学数学与信息学院,四川南充637009

出　　处：《光子学报》

基　　金：国家自然科学基金（No.11871059）;四川省新一代人工智能重大专项（No.2018GZDZX0036）;四川省科技厅重点研发项目（No.2018SZ0040）;四川省教育厅自然科学基金（Nos.18ZA0469,15ZA0152）;四川省科技计划资助（No.2019YFG0299)~~

年　　份：2020

卷　　号：49

期　　号：1

起止页码：148-157

语　　种：中文

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

摘　　要：为了提高对复杂场景下多尺度遥感目标的检测精度,提出了基于多尺度单发射击检测(SSD)的特征增强目标检测算法.首先对SSD的金字塔特征层中的浅层网络设计浅层特征增强模块,以提高浅层网络对小目标物体的特征提取能力;然后设计深层特征融合模块,替换SSD金字塔特征层中的深层网络,提高深层网络的特征提取能力;最后将提取的图像特征与不同纵横比的候选框进行匹配以执行不同尺度遥感图像目标检测与定位.在光学遥感图像数据集上的实验结果表明,该算法能够适应不同背景下的遥感目标检测,有效地提高了复杂场景下的遥感目标的检测精度.此外,在拓展实验中,文中算法对图像中的模糊目标的检测效果也优于SSD.

关 键 词：遥感图像 深度学习  目标检测 多尺度特征 特征金子塔  

分 类 号：TP753]