基于在线难例挖掘网络的遥感影像中典型目标检测方法研究

发布时间：2021-09-30 05:55

　　遥感影像目标检测在军事目标探测,城市建设规划,企业户外设施监测等各领域有着重要的研究价值。随着遥感技术的发展,遥感影像的空间分辨率逐步提高,可得到的遥感影像中的细节信息越来越丰富,使得遥感影像中的典型目标识别工作具备了很强的可行性。本文针对已有的深度学习目标检测算法在遥感图像目标检测中普遍存在的问题做了一定的研究和改进。针对通用目标检测算法准确率不高,检测到的目标中出现的大量的负样本无法做到在线分离,需要手动添加负样本反复迭代的情况。提出了两种难例挖掘方法并建立了关于遥感影像中典型目标检测的数据集。提高了现有目标检测算法的检测准确率,使得现有的深度学习方法能更好的应用到遥感影像中,本文主要完成以下工作。1、提出双阈值检测算法,在双阈值网络的算法研究中,我们针对基础网络的检测结果做二次决策。在原有的单阶段目标检测网络中,重新引出一个分支网络,对置信度落入阈值区间的目标,在分支网络中进行特征提取和感兴趣区域池化之后重新计算置信度,实现正负样本的分离,从而提高遥感图像目标检测的精度。2、提出点约束模型算法,通过关键点的特征信息约束来自初始网络检测结果,融合两次检测信息,做难例挖掘。初始检测网... 

【文章来源】：武汉科技大学湖北省

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
    1.2 遥感影像处理技术的国内外研究现状
        1.2.1 基于传统方法的通用目标检测技术
        1.2.2 基于深度学习的通用目标检测技术
        1.2.3 遥感影像中的目标检测技术
        1.2.4 遥感影像中的难例挖掘
    1.3 论文主要研究内容
    1.4 论文的结构安排
第2章 基于卷积网络的目标检测算法概述
    2.1 卷积神经网络
        2.1.1 Alex Net网络架构
        2.1.2 VGG-Net网络架构
        2.1.3 Res Net网络架构
        2.1.4 FCN网络架构
    2.2 双阶段目标检测
    2.3 单阶段目标检测
    2.4 基于无锚点机制的目标检测算法
    2.5 本章小结
第3章 遥感图像典型目标数据集的构建
    3.1 数据集构建的目的
    3.2 数据集的构建过程
    3.3 数据集的构建结果
    3.4 本章小结
第4章 双阈值网络难例挖掘研究
    4.1 难例目标的定义
    4.2 阈值分析
    4.3 网络模型结构
        4.3.1 在线难例重确认网络结构
        4.3.2 基础网络与分支网络的设计
        4.3.3 感兴趣区域池化
    4.4 网络的训练
    4.5 实验结果与分析
        4.5.1 实验参数设置
        4.5.2 实验衡量标准
        4.5.3 实验结果
    4.6 本章小结
第5章 关键点约束的难例方法研究
    5.1 算法意义与思路
    5.2 算法描述
    5.3 算法模型结构
    5.4 网络的训练
    5.5 实验结果与分析
    5.6 本章小结
第6章 全文总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
附录1 攻读硕士学位期间发表的论文



本文编号：3415262