基于深度学习的遥感图像目标检测技术研究
文献类型:学位论文
作者 | 黄河 |
答辩日期 | 2019-05-21 |
文献子类 | 硕士 |
授予单位 | 中科院自动化所 |
授予地点 | 中科院自动化所 |
导师 | 霍春雷 |
关键词 | 目标检测 光学遥感图像 深度学习 尺度不变性 旋转不变性 |
学位名称 | 工学硕士 |
学位专业 | 计算机技术 |
英文摘要 | 目标检测是遥感图像处理与分析领域的一个重要研究方向,其广泛用于资源探测、港口监测、交通疏导等军用和民用领域。随着对地观测技术的进步,获取高分辨率遥感图像的途径越来越多,人们对于从海量遥感图像中提取有价值的信息愈加迫切,这对遥感图像目标检测提出了巨大挑战。传统的基于手工特征的目标检测方法由于鲁棒性差、检测精度较低,已经无法适应当前复杂的图像处理需求。近年来,以深度神经网络为基础的深度学习,通过堆叠多层神经网络逐层提取抽象特征,具有强大的特征表达能力。在多项自然图像识别任务上,基于深度学习的方法都展现出了强大的泛化能力,性能远超基于传统特征的方法。但是,由于遥感图像的特殊性及目标的复杂性(如目标尺度差异巨大、旋转多变性等),基于深度学习的遥感图像目标检测还有很多难点没有解决,限制了实际应用。在这种背景下,本文旨在结合遥感图像的特点,立足目标检测实际应用需求,围绕目标的尺度多变性、旋转多变性这两个瓶颈难点对基于深度学习的遥感图像目标检测技术进行深入研究。主要研究内容与贡献如下:
|
语种 | 中文 |
页码 | 96 |
源URL | [http://ir.ia.ac.cn/handle/173211/23935] |
专题 | 自动化研究所_模式识别国家重点实验室_遥感图像处理团队 |
推荐引用方式 GB/T 7714 | 黄河. 基于深度学习的遥感图像目标检测技术研究[D]. 中科院自动化所. 中科院自动化所. 2019. |
入库方式: OAI收割
来源:自动化研究所
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。