| A-FPN算法及其在遥感图像船舶检测中的应用 |
| |
| 引用本文： | 于野,艾华,贺小军,于树海,钟兴,朱瑞飞.A-FPN算法及其在遥感图像船舶检测中的应用[J].遥感学报,2020,24(2):107-115. |
| |
| 作者姓名： | 于野 艾华 贺小军 于树海 钟兴 朱瑞飞 |
| |
| 作者单位： | 1.中国科学院 长春光学精密机械与物理研究所， 长春 130033;2.中国科学院大学， 北京 100049;3.长光卫星技术有限公司， 长春 130102;4.长光卫星技术有限公司 吉林省卫星遥感应用技术重点实验室， 长春 130039 |
| |
| 基金项目： | 国家重点研发计划（编号：2016YFB0502600）；吉林省优秀青年才人基金（编号：20170520166JH） |
| |
| 摘 要： | 光学遥感图像船舶检测主要面临两个挑战:光学遥感图像背景复杂,船舶检测易受海浪、云雾及陆地建筑等多方面干扰;遥感图像分辨率低,船舶目标小,对于其分类与定位带来很大困难;针对上述问题,在FPN的基础上,提出一种融入显著性特征的卷积神经网络模型A-FPN (Attention-Based Feature Pyramid Networks)。首先,利用卷积提取图像特征金字塔;然后,利用顶层金字塔逐级构建显著特征层,抑制背景信息,通过金字塔顶层的细粒度特征提高浅层特征的表达能力,构建自上而下的多级显著特征映射结构;最后利用Softmax分类器进行多层级船舶检测。A-FPN模型利用显著性机制引导不同感受下的特征进行融合,提高了模型的分辨能力,对遥感图像处理领域具有重要应用价值。实验阶段,利用公开的遥感目标检测数据集NWPU VHR-10中的船舶样本进行测试,准确率为92.8%,表明A-FPN模型适用于遥感图像船舶检测。
|
| 关 键 词： | 光学遥感 船舶检测 吉林一号卫星 神经网络 显著性特征 |
| 收稿时间： | 2018/7/6 0:00:00 |
Attention-based feature pyramid networks for ship detection of optical remote sensing image |
| |
| YU Ye,AI Hu,HE Xiaojun,YU Shuhai,ZHONG Xing,ZHU Ruifei.Attention-based feature pyramid networks for ship detection of optical remote sensing image[J].Journal of Remote Sensing,2020,24(2):107-115. |
| |
| Authors: | YU Ye AI Hu HE Xiaojun YU Shuhai ZHONG Xing ZHU Ruifei |
| |
| Institution: | 1.Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun 130033, China;2.University of Chinese Academy of Sciences, Beijing 100049, China;3.Chang Guang Satellite Technology Co., Ltd., Changchun 130102, China;4.Chang Guang Satellite Technology Co., Ltd, Key Laboratory of Satellite Remote Sensing Application Technology of Jilin Province, Changchun 130039, China |
| |
| Abstract: | |
| |
| Keywords: | optical remote sensing ship detection JL-1 satellite neural network attention features |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《遥感学报》浏览原始摘要信息 |
| 点击此处可从《遥感学报》下载免费的PDF全文 |
|
