基于深度学习的遥感图像目标检测模型综述

发布时间：2023-04-30 01:41

　　在现阶段遥感图像的应用中,对遥感图像进行高效快速的目标检测是当今遥感领域众多难点之一。随着人工智能近些年来的迅猛发展,深度学习在目标跟踪、目标检测等计算机视觉领域中的应用逐渐增多,特别是卷积神经网络在目标检测中的应用对检测精度的提升取得了显著的效果。注意力机制是人类利视觉扫视图像后得到目标区域后的大脑信号处理机制,将注意力机制与卷积神经网络进行结合,并应用于遥感图像的目标检测能提高桥梁、舰船等大目标的识别精度。介绍了基于注意力机制进行目标检测的3种注意力机制,并对选取的注意力机制进行结构上的比较。

【文章页数】：3 页

【文章目录】：
1 概述
2 注意力机制[6]
    2.1 通道注意力机制SENet
    2.2 空间注意力机制STN与Capacity Networks
    2.3 混合注意力机制CBAM
3 倾斜框
    3.1 R2CNN算法
    3.2 旋转区域生成网络算法
    3.3 边框角度致密化算法
4 结语



本文编号：3806159