基于多尺度反卷积特征融合网络的光学遥感影像目标检测

发布时间：2021-05-18 07:01

　　目标检测已成为计算机视觉领域当中一个重要的任务分支,然而现在多是利用深度卷积神经网络对自然图像进行目标检测,较少是针对光学遥感影像进行研究的。因此,探索更高效的基于深度卷积神经网络的光学遥感影像目标检测算法具有现实的研究意义。基于以上分析,本文利用深度卷积神经网络来提取光学遥感影像中目标深浅层的特征信息并将其进行相应的融合来对图像中的目标进行分类与回归操作,实现对目标的检测,主要内容为如下的三个方面:1.提出了一种基于反卷积上下文信息融合网络的光学遥感影像目标检测方法。首先以光学遥感影像中的目标为中心实现随机偏移划块式切割得到包含目标的图像,为了使数据与网络中的参数量相匹配避免过拟合对切割后的图像进行数据增强操作来构造训练数据集。然后在目标检测SSD网络中增加一个反卷积模块来实现上下文信息的联系,得到反卷积上下文信息融合网络并运用此网络对光学遥感影像中的目标进行分类与回归来实现目标检测的任务。本方法的关键在于反卷积模块的引入,有效地克服了光学遥感影像中对于目标检测精确率不高的问题,通过对比试验,验证了该方法的有效性。2.提出了一种基于细化反卷积浅层特征融合网络的光学遥感影像目标检测方法... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：96 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 选题意义与背景介绍
    1.2 国内外的发展现状
    1.3 深度学习
    1.4 卷积神经网络
    1.5 目标检测评价指标
    1.6 论文组织结构
第二章 基于反卷积上下文信息融合网络的光学遥感影像目标检测
    2.1 引言
    2.2 实验数据介绍及统计分析
    2.3 数据集构造
        2.3.1 训练数据集
        2.3.2 测试数据集
    2.4 反卷积上下文信息融合网络框架
        2.4.1 Res Net-101 网络
        2.4.2 反卷积模块
        2.4.3 默认框设置
    2.5 非极大值抑制
    2.6 基于反卷积上下文信息融合网络的光学遥感影像目标检测方法
    2.7 实验结果及分析
        2.7.1 平台说明
        2.7.2 实验结果分析
    2.8 本章小结
第三章 基于细化反卷积浅层特征融合网络的光学遥感影像目标检测
    3.1 引言
    3.2 细化反卷积浅层特征融合网络
        3.2.1 VGG-16 网络
        3.2.2 默认框细化模块
        3.2.3 目标检测模块
        3.2.4 损失函数
    3.3 Soft-NMS
        3.3.1 线性加权NMS
        3.3.2 高斯加权NMS
        3.3.3 对数加权NMS
    3.4 基于细化反卷积浅层特征融合网络的光学遥感影像目标检测方法
    3.5 实验结果及分析
        3.5.1 平台说明
        3.5.2 实验结果分析
    3.6 本章小结
第四章 基于曲线波细化反卷积浅层特征融合网络的光学遥感影像目标检测
    4.1 引言
    4.2 Curvelet变换
        4.2.1 Curvelet变换理论基础
        4.2.2 Curvelet变换发展过程
    4.3 基于Wrapping的快速离散Curvelet变换实现方法
    4.4 Curvelet变换的实现过程
    4.5 Curvelet变换特征分析
    4.6 基于曲线波细化反卷积浅层特征融合网络的光学遥感影像目标检测方法
    4.7 实验结果及分析
        4.7.1 平台说明
        4.7.2 实验结果分析
    4.8 本章小结
第五章 总结与展望
    5.1 本文工作与总结
    5.2 工作展望
参考文献
致谢
作者简介



本文编号：3193356