Changchun Institute of Optics,Fine Mechanics and Physics,CAS
基于深度学习网络的遥感图像异常检测方法研究 | |
曹哲骁; 傅瑶![]() ![]() | |
2023 | |
发表期刊 | 空间控制技术与应用
![]() |
卷号 | 49期号:06页码:77-85 |
摘要 | 针对现实世界中异常图像数据稀少的数据不均衡问题,构建了一个高性能的异常检测模型.仅使用正常训练数据和小部分仿真异常数据,构建了两阶段框架的异常检测模型.通过对正常数据和模拟生成的异常数据进行分类训练,得到提取特征的ResNet-18编码器模型,通过高斯密度估计对正常数据的特征建模,构建异常图像的单分类器. Grad-CAM扩展了模型,使得异常检测模型可以在没有标签的情况下定位异常区域.通过仿真异常检测数据集上进行的实验证明,提出的算法能够检测现实世界遥感图像中人类肉眼难以发现的异常样本,并给出定位结果. |
文献类型 | 期刊论文 |
条目标识符 | http://ir.ciomp.ac.cn/handle/181722/68338 |
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.北京航空航天大学 2.复杂关键软件环境全国重点实验室 3.中国科学院长春光学精密机械与物理研究所 4.武汉高德红外股份有限公司 5.中关村实验室 |
推荐引用方式 GB/T 7714 | 曹哲骁,傅瑶,王丽,等. 基于深度学习网络的遥感图像异常检测方法研究[J]. 空间控制技术与应用,2023,49(06):77-85. |
APA | 曹哲骁,傅瑶,王丽,苏盈,郭云翔,&王田.(2023).基于深度学习网络的遥感图像异常检测方法研究.空间控制技术与应用,49(06),77-85. |
MLA | 曹哲骁,et al."基于深度学习网络的遥感图像异常检测方法研究".空间控制技术与应用 49.06(2023):77-85. |
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 | ||
基于深度学习网络的遥感图像异常检测方法研(882KB) | 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 |
[曹哲骁]的文章 |
[傅瑶]的文章 |
[王丽]的文章 |
百度学术 |
百度学术中相似的文章 |
[曹哲骁]的文章 |
[傅瑶]的文章 |
[王丽]的文章 |
必应学术 |
必应学术中相似的文章 |
[曹哲骁]的文章 |
[傅瑶]的文章 |
[王丽]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