基于深度学习的遥感图像飞机检测与识别研究
文献类型:学位论文
作者 | 蔡健 |
答辩日期 | 2019-05-23 |
文献子类 | 硕士 |
授予单位 | 中国科学院大学 |
授予地点 | 中国科学院自动化研究所 |
导师 | 杨一平 ; 马雷 |
关键词 | 遥感图像 目标检测 深度学习 旋转矩形框 显著性 飞机识别 |
学位名称 | 工程硕士 |
学位专业 | 计算机技术 |
英文摘要 | 遥感图像飞机检测识别是遥感目标检测的研究热点之一。随着卫星传感器分辨率的不断提高,图像细节越来越丰富,使高精度的飞机检测与识别成为可能。同时,仅依靠人工判读难以满足海量遥感图像中飞机目标检测的需求,因此基于深度学习的飞机检测与识别工作越来越重要。 本文在深入分析国内外飞机检测识别相关文献的基础上,总结已有工作的不足,围绕提高飞机检测效率和精度展开研究。主要研究内容包含以下几点: 1. 飞机目标显著性区域检测算法研究 为了提高飞机目标检测的速度,实现了一个基于Shuffle-Net的遥感图像飞机显著性区域过滤算法,该算法具有更少的参数、更快的检测速度和更高的精度。 2. 基于朝向矩形框的飞机检测算法研究 针对遥感图像中飞机刚体变换的性质,提出了一种新的朝向矩形框目标表示方法,并结合经典检测模型,提出了基于朝向矩形框的飞机检测模型(OBB-CNN)。与之前的方法相比,所提出的方法不仅能够提供飞机的位置信息,还能够估计飞机的朝向角度,且有着更高的精度。 3. 飞机细粒度分类算法研究 为了实现飞机型号的细粒度分类,本文建立了一个遥感图像飞机型号级数据集(FGRSIA2019),并根据朝向矩形框检测模型的检测结果,设计了一个飞机角度对齐的细粒度分类模型,与不带角度对齐的模型相比,所提出的方法有着更高的分类准确率。 |
语种 | 中文 |
页码 | 86 |
源URL | [http://ir.ia.ac.cn/handle/173211/23813] |
专题 | 毕业生_硕士学位论文 |
推荐引用方式 GB/T 7714 | 蔡健. 基于深度学习的遥感图像飞机检测与识别研究[D]. 中国科学院自动化研究所. 中国科学院大学. 2019. |
入库方式: OAI收割
来源:自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。