基于特征融合与软判决的遥感图像飞机检测 下载: 1010次
Airplane Detection Based on Feature Fusion and Soft Decision in Remote Sensing Images
1 空军工程大学研究生院, 陕西 西安 710038
2 西北工业大学无人系统技术研究院, 陕西 西安 710072
图 & 表
图 1. Faster R-CNN的结构
Fig. 1. Architecture of Faster R-CNN
下载图片 查看原文
图 2. 区域建议网络的结构
Fig. 2. Structure of RPN
下载图片 查看原文
图 3. 特征融合的结构
Fig. 3. Structure of feature fusion
下载图片 查看原文
图 4. 非极大值抑制
Fig. 4. Non-maximum suppression
下载图片 查看原文
图 5. 漏检结果
Fig. 5. Results of omission detection
下载图片 查看原文
图 6. 数据示例。(a)训练数据; (b)测试数据
Fig. 6. Examples of data. (a) Training data; (b) test data
下载图片 查看原文
图 7. 迁移学习
Fig. 7. Transfer learning
下载图片 查看原文
图 8. 不同方法的网络检测结果。(a)第5层的结果; (b)融合3,4,5层的结果
Fig. 8. Network detection results by different methods. (a) Results of 5th layer; (b) results after fusion of 3, 4, 5 layers
下载图片 查看原文
图 9. NMS算法改进前后的飞机检测结果。(a)传统NMS算法; (b)改进NMS算法
Fig. 9. Airplane detection results before and after improvement of NMS algorithm. (a) Traditional NMS; (b) improved NMS
下载图片 查看原文
表 1特征融合的结果
Table1. Results of feature fusion
Layer 2 | Layer 3 | Layer 4 | Layer 5 | DR /% |
---|
| | | √ | 86.28 | | | √ | √ | 90.30 | | √ | √ | √ | 91.90 | √ | √ | √ | √ | 91.90 |
|
查看原文
表 2不同飞机检测方法的结果对比
Table2. Comparison among airplane detection results by different methods
Method | DR /% | FAR /% | Average running time /s |
---|
Ref. [5] | 79.54 | 22.52 | 171.25 | Ref. [6] | 84.25 | 17.66 | 6.41 | Faster R-CNN | 86.28 | 8.15 | 0.15 | Proposed | 94.25 | 5.50 | 0.16 |
|
查看原文
朱明明, 许悦雷, 马时平, 李帅, 马红强. 基于特征融合与软判决的遥感图像飞机检测[J]. 光学学报, 2019, 39(2): 0210001. Mingming Zhu, Yuelei Xu, Shiping Ma, Shuai Li, Hongqiang Ma. Airplane Detection Based on Feature Fusion and Soft Decision in Remote Sensing Images[J]. Acta Optica Sinica, 2019, 39(2): 0210001.