江苏自动化研究所计算机事业部, 江苏 连云港 222002
现有基于深度学习的遥感飞机图像检测方法在训练时需要大量的带标记数据集和较长的训练时间,鉴于此,提出了一种基于生成式对抗网络的半监督学习方法。采用两种粒度的深度卷积生成式对抗网络,分别提取待检测目标的边缘特征信息和深层语义特征。通过结合两种粒度的生成式对抗网络的判别器网络模型,设计了目标检测网络模型。实验结果表明,实验设计的半监督学习训练方法具有更快的收敛速度,且在训练时需要的标记样本更少。
图像处理 半监督学习 生成式对抗网络 遥感图像 目标检测 激光与光电子学进展
2020, 57(6): 061009
江苏自动化研究所计算机事业部, 江苏 连云港 222002
针对传统遥感图像检测算法中人为干预多、速度慢、检测精度低等问题,提出一种基于深度学习的遥感图像检测方法。采用密集连接的网络结构,充分利用每层网络提取的特征,减少网络推理时间;采用具有更大感受野的扩张块结构;使用扩张块结构和反卷积网络结构将浅层特征图和深层特征图进行信息融合,从而增强遥感图像中多尺度目标的检测能力。实验结果表明,该检测方法具有更高的准确率和更短的检测时间,尤其在小目标物体的检测上表现出更好的性能。
图像处理 遥感图像 小目标检测 密集连接网络 特征融合 激光与光电子学进展
2019, 56(22): 222803
