改进的Cascade R-CNN遥感图像目标检测算法
汪鹏
熊攀
董永锋
王利琴
河北工业大学人工智能与数据科学学院 天津 300100
摘要：在遥感领域中遥感图像目标检测始终都是研究的焦点课题,不过遥感图像内物体间距比较大,而且图像背景复杂度较高.针对以上问题,提出了一种新的算法.在以残差网络(ResNet)为特征提取网络基础之上加以改进形成SResNet网络结构,并且在感兴趣区域池化层解决该层中出现的两次量化问题.其次针对遥感图像目标尺寸大小不固定等特点对多个尺度的候选框进行研究.经过后续的实验证实,改进后的算法的检测精度有明显的提高,并且在DIOR数据集和RSOD数据集上分别提高了2.8和2.2个百分点.
关键词：图像处理遥感图像卷积神经网络目标检测深度学习
资助基金：天津市自然科学基金重点项目(19JCZDJC40000)天津市科技计划(18YFCZZC00060)天津市科技计划(18ZXZNGX00100)
论文发表日期：2021-09-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 12-16 )