| 摘 要： | 本文针对现有方法对遥感图像目标检测准确率低的问题，在更快速区域卷积神经网络Faster R-CNN(Faster Region Convolutional Neural Networks)算法的基础上对其进行改进，提出一种新的遥感图像目标检测算法。该算法把Faster R-CNN算法中的VGG (Visual Geometry Group)特征提取网络替换为残差网络ResNet(Residual Networks)，在此基础上加入特征金字塔网络以充分表达语义信息和位置信息，并使用焦点损失函数替代Faster R-CNN算法中的交叉熵损失函数以解决难易样本对总损失贡献的权重问题，最后对NWPU VHR-10数据集和RSOD数据集采用数据增广方法以解决数据集中图像样本数量少的问题。为验证本文算法的效果，进行了两组对比实验。第一组实验为本文提出的改进模块在NWPU VHR-10数据集和RSOD数据集上的消融实验；第二组实验为本文算法与其他算法在NWPU VHR-10数据集上的对比实验。实验结果表明，本文算法在NWPU VHR-10数据集和RSOD数据集上的多类平均准确率分别达到93.4%和9...
|
