發(fā)布時(shí)間：2021-05-28 08:06

　　為了實(shí)現(xiàn)大幅面遙感圖像中飛機(jī)目標(biāo)的高效檢測(cè)與準(zhǔn)確定位,通過(guò)深度神經(jīng)網(wǎng)絡(luò)（DNN）的級(jí)聯(lián)組合,提出了一種新穎的搜尋與檢測(cè)相集成的飛機(jī)目標(biāo)高效檢測(cè)算法。首先,運(yùn)用高性能的端到端DNN網(wǎng)絡(luò),進(jìn)行停機(jī)坪與跑道區(qū)域的像素級(jí)高效精準(zhǔn)分割,從而大幅度縮小飛機(jī)目標(biāo)的搜索范圍,以降低虛警發(fā)生概率,完成飛機(jī)目標(biāo)候選檢測(cè)區(qū)域的快速搜尋。然后,針對(duì)分割所得停機(jī)坪與跑道區(qū)域,借助手工數(shù)據(jù)集對(duì)YOLO網(wǎng)絡(luò)模型進(jìn)行遷移式強(qiáng)化訓(xùn)練,一方面可以彌補(bǔ)訓(xùn)練集在樣本類(lèi)型與數(shù)據(jù)規(guī)模上的不足,另一方面借助YOLO網(wǎng)絡(luò)的強(qiáng)時(shí)效性?xún)?yōu)勢(shì)對(duì)飛機(jī)目標(biāo)的位置進(jìn)行回歸求解,可以顯著提高飛機(jī)目標(biāo)的檢測(cè)效率。停機(jī)坪與跑道區(qū)域分割DNN網(wǎng)絡(luò)在分割精度與時(shí)效性上具有顯著優(yōu)勢(shì),而遷移式強(qiáng)化訓(xùn)練YOLO網(wǎng)絡(luò)不僅具有很高的檢測(cè)效率,在檢測(cè)精度上也能保持良好的性能。通過(guò)一系列綜合實(shí)驗(yàn)與對(duì)比分析,驗(yàn)證了提出的搜尋與檢測(cè)相集成的DNN級(jí)聯(lián)組合式飛機(jī)目標(biāo)高效檢測(cè)算法的性能優(yōu)勢(shì)。 

【文章來(lái)源】：北京航空航天大學(xué)學(xué)報(bào). 2019,45(01)北大核心EICSCD

【文章頁(yè)數(shù)】：15 頁(yè)

【文章目錄】：
1 相關(guān)工作與技術(shù)動(dòng)態(tài)
2 快速搜尋與高效檢測(cè)的組合方案
    2.1 大幅面遙感圖像中飛機(jī)目標(biāo)的分布特點(diǎn)
    2.2 基于DNN網(wǎng)絡(luò)的停機(jī)坪快速檢測(cè)與分割
    2.3 遙感圖像飛機(jī)目標(biāo)高效檢測(cè)方案
    2.4 搜尋與檢測(cè)相集成的級(jí)聯(lián)組合方案
3 停機(jī)坪與跑道區(qū)域的分割和提取
    3.1 停機(jī)坪與跑道區(qū)域檢測(cè)和分割的DNN模型
    3.2 樣本數(shù)據(jù)標(biāo)注和DNN模型的離線(xiàn)監(jiān)督訓(xùn)練
    3.3 DNN網(wǎng)絡(luò)學(xué)習(xí)進(jìn)化的停機(jī)坪與跑道區(qū)域分割和提取
4 基于YOLO網(wǎng)絡(luò)的飛機(jī)目標(biāo)快速檢測(cè)
    4.1 YOLO網(wǎng)絡(luò)原理及優(yōu)勢(shì)分析
        4.1.1 YOLO網(wǎng)絡(luò)檢測(cè)算法的原理
        4.1.2 YOLO網(wǎng)絡(luò)實(shí)時(shí)檢測(cè)的性能優(yōu)勢(shì)
    4.2 YOLO網(wǎng)絡(luò)的訓(xùn)練策略與實(shí)施方案
    4.3 面向高效檢測(cè)的遷移式擴(kuò)充樣本強(qiáng)化訓(xùn)練
        4.3.1 擴(kuò)充樣本的采集與標(biāo)注
        4.3.2 性能遷移的合理性分析
        4.3.3 擴(kuò)充樣本監(jiān)督下的強(qiáng)化訓(xùn)練
    4.4 YOLO網(wǎng)絡(luò)飛機(jī)目標(biāo)檢測(cè)時(shí)效性能評(píng)估
5 基于搜檢級(jí)聯(lián)的飛機(jī)目標(biāo)高效檢測(cè)
    5.1 搜索與檢測(cè)的綜合集成
    5.2 級(jí)聯(lián)組合式飛機(jī)目標(biāo)高效檢測(cè)算法
6 綜合實(shí)驗(yàn)與性能分析
    6.1 數(shù)據(jù)庫(kù)與實(shí)驗(yàn)平臺(tái)
    6.2 實(shí)驗(yàn)框架設(shè)計(jì)與參數(shù)設(shè)置
    6.3 實(shí)驗(yàn)結(jié)果與性能評(píng)估
    6.4 述評(píng)與注解
7 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]自適應(yīng)特征加權(quán)的Gibbs隨機(jī)場(chǎng)影像分割方法[J]. 陳榮元,徐雪松,李廣瓊,申立智,劉星寶.  電子學(xué)報(bào). 2016(10)
[2]基于隱馬爾可夫高斯隨機(jī)場(chǎng)模型的模糊聚類(lèi)高分辨率遙感影像分割算法[J]. 趙雪梅,李玉,趙泉華.  電子學(xué)報(bào). 2016(03)



本文編號(hào)：3207892