特征增强SSD算法及其在遥感目标检测中的应用
发布时间：2021-03-28 10:31
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.
【文章来源】：光子学报. 2020,49(01)北大核心EICSCD
【文章页数】：10 页
【部分图文】：
FESSD算法框架图、浅层特征增强模块和深层特征增强模块图
图3为本文所提FESSD算法与SSD算法在Conv4＿3层、Conv8＿2(DFE8）层输出的特征对比图，图3(b）和图3(c）为FESSD算法输出的特征图，图3(d）、图3(e）为SSD算法输出的特征图．显然图3(b）相比于图3(d）舰船信息更加清晰，尤其是小目标舰船，图3(b）仍高亮显示，具有更强的语义信息，图3(c）相比于图3(e）大目标舰船特征信息更为丰富，理论上在图3(b）和图3(c）的检测效果会明显优于图3(d）、图3(e).相比于SSD算法，本文所提的FESSD算法针对原始Conv4＿3、FC7层引入浅层特征增强模块（CFE），可以弥补SSD算法浅层特征语义信息表达能力较差问题，另一方面用深层特征增强模块（DFE）代替原始网络中的Conv8＿2、Conv9＿2、Conv10＿2层，在提高深层网络特征提取能力的同时大幅度提高目标检测的效率．3.4节的消融实验将详细分析上述两个模块的有效性．
图4为本文数据集的样本示例，从左到右分别为分辨率约1m的靠近停机位的20架民用客机，23个油罐，开阔海域的16艘船，分别率约5m的立交桥1座立交桥和操场．由于一些飞机和舰船目标在小分辨率的情况下只有极少的像素个数，已很难通过人眼确定是否为飞机和舰船，因此，仅对像素个数超过5个的目标进行标注．标注的软件为开源软件LabelImg（版本：windows＿v1.8.0），该软件很容易就能对遥感图像目标进行标记（x,y,w,h），其中（x,y）为目标所在矩形框的左上角坐标，w是矩形框的宽度，h为矩形框的高度．2.2 评估标准及训练方法
【参考文献】：
期刊论文
[1]改进的SSD算法及其对遥感影像小目标检测性能的分析[J]. 王俊强,李建胜,周学文,张旭. 光学学报. 2019(06)
[2]基于Faster R-CNN深度网络的遥感影像目标识别方法研究[J]. 王金传,谭喜成,王召海,钟燕飞,董华萍,周松涛,成布怡. 地球信息科学学报. 2018(10)
[3]基于卷积神经网络的SAR图像舰船目标检测[J]. 李健伟,曲长文,彭书娟,邓兵. 系统工程与电子技术. 2018(09)
[4]全卷积网络多层特征融合的飞机快速检测[J]. 辛鹏,许悦雷,唐红,马时平,李帅,吕超. 光学学报. 2018(03)
本文编号：3105403
【文章来源】：光子学报. 2020,49(01)北大核心EICSCD
【文章页数】：10 页
【部分图文】：
FESSD算法框架图、浅层特征增强模块和深层特征增强模块图
图3为本文所提FESSD算法与SSD算法在Conv4＿3层、Conv8＿2(DFE8）层输出的特征对比图，图3(b）和图3(c）为FESSD算法输出的特征图，图3(d）、图3(e）为SSD算法输出的特征图．显然图3(b）相比于图3(d）舰船信息更加清晰，尤其是小目标舰船，图3(b）仍高亮显示，具有更强的语义信息，图3(c）相比于图3(e）大目标舰船特征信息更为丰富，理论上在图3(b）和图3(c）的检测效果会明显优于图3(d）、图3(e).相比于SSD算法，本文所提的FESSD算法针对原始Conv4＿3、FC7层引入浅层特征增强模块（CFE），可以弥补SSD算法浅层特征语义信息表达能力较差问题，另一方面用深层特征增强模块（DFE）代替原始网络中的Conv8＿2、Conv9＿2、Conv10＿2层，在提高深层网络特征提取能力的同时大幅度提高目标检测的效率．3.4节的消融实验将详细分析上述两个模块的有效性．
图4为本文数据集的样本示例，从左到右分别为分辨率约1m的靠近停机位的20架民用客机，23个油罐，开阔海域的16艘船，分别率约5m的立交桥1座立交桥和操场．由于一些飞机和舰船目标在小分辨率的情况下只有极少的像素个数，已很难通过人眼确定是否为飞机和舰船，因此，仅对像素个数超过5个的目标进行标注．标注的软件为开源软件LabelImg（版本：windows＿v1.8.0），该软件很容易就能对遥感图像目标进行标记（x,y,w,h），其中（x,y）为目标所在矩形框的左上角坐标，w是矩形框的宽度，h为矩形框的高度．2.2 评估标准及训练方法
【参考文献】：
期刊论文
[1]改进的SSD算法及其对遥感影像小目标检测性能的分析[J]. 王俊强,李建胜,周学文,张旭. 光学学报. 2019(06)
[2]基于Faster R-CNN深度网络的遥感影像目标识别方法研究[J]. 王金传,谭喜成,王召海,钟燕飞,董华萍,周松涛,成布怡. 地球信息科学学报. 2018(10)
[3]基于卷积神经网络的SAR图像舰船目标检测[J]. 李健伟,曲长文,彭书娟,邓兵. 系统工程与电子技术. 2018(09)
[4]全卷积网络多层特征融合的飞机快速检测[J]. 辛鹏,许悦雷,唐红,马时平,李帅,吕超. 光学学报. 2018(03)
本文编号：3105403
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3105403.html
