| 改进的SSD算法及其对遥感影像小目标检测性能的分析 |
| |
| 引用本文： | 王俊强,李建胜,周学文,张旭.改进的SSD算法及其对遥感影像小目标检测性能的分析[J].光学学报,2019,39(6):365-374. |
| |
| 作者姓名： | 王俊强 李建胜 周学文 张旭 |
| |
| 作者单位： | 信息工程大学地理空间信息学院,河南郑州450000;278123部队,四川成都610000;信息工程大学地理空间信息学院,河南郑州,450000;278123部队,四川成都,610000 |
| |
| 基金项目： | 国家自然科学基金;国家重点研发计划 |
| |
| 摘 要： | 针对以Faster R-CNN为代表的基于候选框方式的遥感影像目标检测方法检测速度慢,而现有SSD算法在小目标检测中性能低的问题,提出一种改进的SSD算法,综合利用现有基于候选框方式和一体化检测方式的优势,提升检测性能。该算法利用密集连接网络替换原有的VGGNet作为骨干网络,并且在密集连接模块之间构建特征金字塔,代替原有多尺度特征图。为验证所提算法的精度及性能,设计样本数据在线采集系统,并采集飞机及运动场目标样本集作为实验样本,通过对改进SSD算法的训练,验证了其网络结构的稳定性,在无迁移学习支持下依然能够达到良好效果,且训练过程不易发散。通过对比以101层的残差网络(ResNet101)作为基础网络的Faster R-CNN算法和R-FCN算法可知,改进SSD算法较Faster R-CNN算法和R-FCN算法的MAP在测试集上分别提升了9.13%和8.48%,小目标检测的MAP分别提升了14.46%和13.92%,检测单张影像耗时71.8 ms,较Faster R-CNN和R-FCN算法分别减少45.7 ms和7.5 ms。
|
| 关 键 词： | 遥感 小目标检测 深度学习 多尺度预测 特征金字塔 平均准确率均值 |
Improved SSD Algorithm and Its Performance Analysis of Small Target Detection in Remote Sensing Images |
| |
| Wang Junqiang,Li Jiansheng,Zhou Xuewen,Zhang Xu.Improved SSD Algorithm and Its Performance Analysis of Small Target Detection in Remote Sensing Images[J].Acta Optica Sinica,2019,39(6):365-374. |
| |
| Authors: | Wang Junqiang Li Jiansheng Zhou Xuewen Zhang Xu |
| |
| Institution: | (Institute of Geospatial Information,Information Engineering University,Zhengzhou,Henan 450000,China;78123 Troops,Chengdu,Sichuan 610000,China) |
| |
| Abstract: | Wang Junqiang;Li Jiansheng;Zhou Xuewen;Zhang Xu(Institute of Geospatial Information,Information Engineering University,Zhengzhou,Henan 450000,China;78123 Troops,Chengdu,Sichuan 610000,China) |
| |
| Keywords: | remote sensing small target detection deep learning multi-scale prediction feature pyramid mean average precision |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
