科研之友
微信
新浪微博
Facebook
分享链接
摘要
遥感图像中的目标排列密集，常见的检测算法难以较好地区分密集目标，同时目标所处背景复杂，导致在模型生成的特征图中，存在高响应的背景噪声，容易带来错误的检测结果。针对上述问题，在CenterNet算法基础上，提出一种改进权重分配的目标检测算法。在计算热力图损失的过程中，设计一种改进权重分配策略，加大目标边缘区域回传的损失，促进网络对密集目标边缘的学习，减少算法将密集目标认定为单个目标的概率；在CenterNet网络结构中，添加语义分割模块，让网络模型学习每一个目标的分割图，通过分割图抑制特征图中高响应的背景噪声。在DOTA数据集上进行实验，改进算法均值平均精度（mAP）达到68.56%，优于其他方法，和原CenterNet算法相比，mAP提升了6.53个百分点。实验结果表明，改进的CenterNet算法能更好地适应复杂背景下的密集目标检测。
- 单位
