基于认知模型的遥感图像有效飞机检测系统 
下载： 840次
Valid Aircraft Detection System for Remote Sensing Images Based on Cognitive Models
空军航空大学数字地球实验室, 吉林 长春 130000
图 & 表
图 1. 检测系统结构示意图
Fig. 1. Structural diagram of detection system
下载图片 查看原文
图 2. 系统工作流程
Fig. 2. Workflow chart of system
下载图片 查看原文
图 3. SSD网络结构示意图
Fig. 3. Structural diagram of SSD network
下载图片 查看原文
图 4. 全卷积分割网络结构
Fig. 4. Structure of full convolution segmentation network
下载图片 查看原文
图 5. 无效目标滤除过程示意图
Fig. 5. Process diagram of filtering out invalid targets
下载图片 查看原文
图 6. 系统训练过程
Fig. 6. Training process of system
下载图片 查看原文
图 7. 机场检测样本
Fig. 7. Airport detection samples
下载图片 查看原文
图 8. 无遮挡飞机检测样本
Fig. 8. Detection samples for unshaded aircrafts
下载图片 查看原文
图 9. 被遮挡飞机检测样本
Fig. 9. Detection samples for shaded aircrafts
下载图片 查看原文
图 10. 人工分割图(a)与原始图像(b)的对比
Fig. 10. Contrast between (a) artificial segmentation image and (b) original image
下载图片 查看原文
图 11. fIoU定义示意图
Fig. 11. Sketch of fIoU definition
下载图片 查看原文
图 12. VGGNet分类训练过程中(a)训练准确率和(b)损失随迭代次数的变化
Fig. 12. (a) Training accuracy and (b) loss parameter versus iteration number in classification training process on VGGNet
下载图片 查看原文
图 13. 飞机检测结果
Fig. 13. Aircraft detection results
下载图片 查看原文
图 14. 机场分割结果
Fig. 14. Airport segmentation results
下载图片 查看原文
图 15. 飞机检测的筛选结果
Fig. 15. Screening results from aircraft detection
下载图片 查看原文
表 1检测结果
Table1. Detection results
| Target | fAP | Average fIoU | Time /(ms·frame-1) |
|---|
| Airport | 76.61 | 0.64 | 500 | | Aircraft | 85.46 | 0.95 | 10 | | Shaded aricraft | 80.23 | 0.89 | 13 |
|
查看原文
表 2不同检测算法检测性能对比
Table2. Performance contrast among different detection algorithms
| Algorithm | fAP | Efficient aircraft ratio | Time /(ms·frame-1) |
|---|
| DPM | 80.61 | 54.2% | 670 | | SSD | 40.12 | 63.1% | 120 | | Recognitive model | 75.23 | 94.5% | 528 |
|
查看原文
侯宇青阳, 全吉成, 魏湧明. 基于认知模型的遥感图像有效飞机检测系统[J]. 光学学报, 2018, 38(1): 0111005. Yuqingyang Hou, Jicheng Quan, Yongming Wei. Valid Aircraft Detection System for Remote Sensing Images Based on Cognitive Models[J]. Acta Optica Sinica, 2018, 38(1): 0111005.
PDF全文
