| 基于Faster R-CNN深度网络的遥感影像目标识别方法研究 |
| |
| 引用本文： | 王金传,谭喜成,王召海,钟燕飞,董华萍,周松涛,成布怡.基于Faster R-CNN深度网络的遥感影像目标识别方法研究[J].地球信息科学,2018(10). |
| |
| 作者姓名： | 王金传 谭喜成 王召海 钟燕飞 董华萍 周松涛 成布怡 |
| |
| 作者单位： | 山东师范大学地理与环境学院;武汉大学遥感信息工程学院;地理空间信息与数字技术国家测绘地理信息局工程技术研究中心;武汉大学测绘遥感信息工程国家重点实验室;城市空间信息工程北京市重点实验室;山东师范大学地理与环境学...;江苏大学汽车与交通工程学...;吉林大学地球探测科学与技...;哈尔滨工程大学自动化学院...;英特尔亚太研发有限公司;...;中国人民解放军陆军炮兵防...;南京理工大学计算机科学与...;中国电子科技集团公司第十...;南京航空航天大学航天学院...;河海大学地球科学与工程学... |
| |
| 摘 要： | 遥感影像目标识别在众多领域中具有极高的理论意义与应用价值,更快速、更精确的目标识别方法研究是目前遥感及图像研究领域的热点与难点。本文将深度学习的方法应用于遥感影像目标识别中,提出基于Faster R-CNN深度学习网络的目标快速精确识别方法。该方法采用了包括基于RPN的建议区域提取方法和VGG16训练卷积网络模型,构建了面向遥感影像目标识别的深度卷积神经网络。为验证该方法的精度及性能,在Caffe深度学习框架上,选取高分辨率遥感影像中飞机、油罐、操场及立交桥目标进行验证实验。结果表明,基于Faster R-CNN的深度学习方法能够实现对遥感影像目标的快速、准确识别,同时具有较好的推广性。通过本文的研究,证明基于Faster R-CNN深度学习的高分遥感影像目标识别方法具有显著优势和潜力,对基于其他深度学习方法的目标识别研究也有一定的参考意义。
|
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《地球信息科学》浏览原始摘要信息 |
| 点击此处可从《地球信息科学》下载免费的PDF全文 |
|
