面向光学遥感图像典型目标检测的SSD模型优化

作者：薛俊达; 朱家佳; 李晓辉; 张静; 窦帅; 米琳; 李子扬; 苑馨方; 李传荣

来源：计算机系统应用, 2021, 30(10): 301-306.

DOI：10.15888/j.cnki.csa.008119

• 光学遥感图像目标检测
• 目标框聚类
• 多尺度特征融合
• SSD

本文面向光学遥感图像目标检测应用,针对光学遥感图像中的典型目标—飞机和汽车,提出一种改进的SSD模型:首先在SSD (Single Shot multibox Detector)网络模型基础上引入多尺度特征融合模块,实现深层特征与浅层特征的融合以获得更多的特征上下文信息,增强网络对目标特征的提取能力;其次根据数据集目标样本尺寸分布特征进行聚类分析获得更准确的默认目标框参数,从而有效提升网络对目标位置信息的提取能力.将本文模型与SSD及YOLOv3模型在常用遥感图像目标检测数据集上进行对比,目标检测精度均有较大提升,验证了该模型的有效性.

• 单位
  中国科学院大学