Changchun Institute of Optics,Fine Mechanics and Physics,CAS
| A-FPN算法及其在遥感图像船舶检测中的应用 | |
| 于野; 艾华; 贺小军; 于树海; 钟兴; 朱瑞飞 | |
| 2020-02-25 | |
| 发表期刊 | 遥感学报
 |
| 卷号 | 24期号:02页码:107-115 |
| 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 |
| URL | 查看原文 |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.ciomp.ac.cn/handle/181722/63979 |
| 专题 | 中国科学院长春光学精密机械与物理研究所 |
| 作者单位 | 1.中国科学院长春光学精密机械与物理研究所 2.中国科学院大学 3.长光卫星技术有限公司 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 |
| 推荐引用方式 GB/T 7714 | 于野,艾华,贺小军,等. 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(02):107-115. |
| APA | 于野,艾华,贺小军,于树海,钟兴,&朱瑞飞.(2020).A-FPN算法及其在遥感图像船舶检测中的应用.遥感学报,24(02),107-115. |
| MLA | 于野,et al."A-FPN算法及其在遥感图像船舶检测中的应用".遥感学报 24.02(2020):107-115. |
| 条目包含的文件 | 下载所有文件 | |||||
| 文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
| A-FPN算法及其在遥感图像船舶检测中的（5125KB） | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 | |
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [于野]的文章 |
| [艾华]的文章 |
| [贺小军]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [于野]的文章 |
| [艾华]的文章 |
| [贺小军]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [于野]的文章 |
| [艾华]的文章 |
| [贺小军]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论