在現(xiàn)階段遙感圖像的應(yīng)用中,對遙感圖像進(jìn)行高效快速的目標(biāo)檢測是當(dāng)今遙感領(lǐng)域眾多難點(diǎn)之一。隨著人工智能近些年來的迅猛發(fā)展,深度學(xué)習(xí)在目標(biāo)跟蹤、目標(biāo)檢測等計(jì)算機(jī)視覺領(lǐng)域中的應(yīng)用逐漸增多,特別是卷積神經(jīng)網(wǎng)絡(luò)在目標(biāo)檢測中的應(yīng)用對檢測精度的提升取得了顯著的效果。注意力機(jī)制是人類利視覺掃視圖像后得到目標(biāo)區(qū)域后的大腦信號處理機(jī)制,將注意力機(jī)制與卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行結(jié)合,并應(yīng)用于遙感圖像的目標(biāo)檢測能提高橋梁、艦船等大目標(biāo)的識別精度。介紹了基于注意力機(jī)制進(jìn)行目標(biāo)檢測的3種注意力機(jī)制,并對選取的注意力機(jī)制進(jìn)行結(jié)構(gòu)上的比較。

【文章頁數(shù)】：3 頁

【文章目錄】：
1 概述
2 注意力機(jī)制[6]
    2.1 通道注意力機(jī)制SENet
    2.2 空間注意力機(jī)制STN與Capacity Networks
    2.3 混合注意力機(jī)制CBAM
3 傾斜框
    3.1 R2CNN算法
    3.2 旋轉(zhuǎn)區(qū)域生成網(wǎng)絡(luò)算法
    3.3 邊框角度致密化算法
4 結(jié)語



本文編號：3806159