光學(xué)遙感圖像中的飛機(jī)目標(biāo)檢測(cè)技術(shù)已被廣泛應(yīng)用于城市規(guī)劃、航空交通以及軍事偵察領(lǐng)域。目前盡管已有大量研究,但仍然存在很多問(wèn)題亟待解決。文中回顧了該技術(shù)研究現(xiàn)狀,并從遙感圖像目標(biāo)檢測(cè)思路出發(fā),將飛機(jī)目標(biāo)檢測(cè)方法總結(jié)為3類,對(duì)這3類檢測(cè)方法的概念和研究情況分別進(jìn)行了闡述,并在此基礎(chǔ)上進(jìn)行了比較分析,重點(diǎn)研究了深度學(xué)習(xí)方法在該領(lǐng)域的研究情況并討論了樣本和數(shù)據(jù)集問(wèn)題,最后討論了飛機(jī)目標(biāo)檢測(cè)的關(guān)鍵技術(shù)難點(diǎn),并對(duì)該領(lǐng)域的未來(lái)發(fā)展趨勢(shì)做了展望。

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
1 遙感圖像飛機(jī)目標(biāo)檢測(cè)的總體技術(shù)思路
2 光學(xué)遙感圖像飛機(jī)目標(biāo)檢測(cè)方法
    2.1 基于模板匹配的方法
    2.2 基于傳統(tǒng)機(jī)器學(xué)習(xí)的方法
        2.2.1 區(qū)域提取
        2.2.2 特征提取
        2.2.3 特征處理
        2.2.4 分類器設(shè)計(jì)
    2.3 基于人工神經(jīng)網(wǎng)絡(luò)的方法
        2.3.1 深度神經(jīng)網(wǎng)絡(luò)
            (1)兩階段方法
            (2)一階段方法
        2.3.2 其他深度學(xué)習(xí)網(wǎng)絡(luò)
    2.4 算法比較分析
3 樣本和數(shù)據(jù)集
    3.1 常用的數(shù)據(jù)集
    3.2 針對(duì)小樣本情況的解決辦法
        3.2.1 基于無(wú)監(jiān)督學(xué)習(xí)的飛機(jī)目標(biāo)檢測(cè)
        3.2.2 基于弱監(jiān)督學(xué)習(xí)的飛機(jī)目標(biāo)檢測(cè)
        3.2.3 基于遷移學(xué)習(xí)的飛機(jī)目標(biāo)檢測(cè)
        3.2.4 樣本增廣技術(shù)
4 關(guān)鍵性問(wèn)題
5 發(fā)展趨勢(shì)和展望
    5.1 多源數(shù)據(jù)融合方法
    5.2 多特征結(jié)合的傳統(tǒng)目標(biāo)檢測(cè)方法
    5.3 多算法級(jí)聯(lián)
    5.4 基于深度學(xué)習(xí)的飛機(jī)目標(biāo)檢測(cè)方法
        (1)飛機(jī)目標(biāo)數(shù)據(jù)集的進(jìn)一步完善和飛機(jī)目標(biāo)識(shí)別任務(wù)
        (2)一階段和二階段深度神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法
        (3)引入先驗(yàn)知識(shí)到深度學(xué)習(xí)算法
        (4)完善深度學(xué)習(xí)的數(shù)學(xué)理論



本文編號(hào)：3938162