在現(xiàn)階段遙感圖像的應用中,對遙感圖像進行高效快速的目標檢測是當今遙感領域眾多難點之一。隨著人工智能近些年來的迅猛發(fā)展,深度學習在目標跟蹤、目標檢測等計算機視覺領域中的應用逐漸增多,特別是卷積神經(jīng)網(wǎng)絡在目標檢測中的應用對檢測精度的提升取得了顯著的效果。注意力機制是人類利視覺掃視圖像后得到目標區(qū)域后的大腦信號處理機制,將注意力機制與卷積神經(jīng)網(wǎng)絡進行結合,并應用于遙感圖像的目標檢測能提高橋梁、艦船等大目標的識別精度。介紹了基于注意力機制進行目標檢測的3種注意力機制,并對選取的注意力機制進行結構上的比較。

【文章頁數(shù)】：3 頁

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



本文編號：3806159