摘要
针对高分辨率遥感图像在目标检测中存在准确率低、目标漏检的问题,提出一种基于改进Faster R-CNN的遥感目标检测算法。采用ResNet-50作为主体网络进行特征提取,降低模型参数量和硬件资源占用,将ResNet-50的多尺度特征进行融合,进一步丰富中小目标的细节信息和位置信息。根据遥感目标尺寸的实际分布特点,采用K-means算法生成聚类中心,针对遥感目标尺度差异过大的问题,对聚类中心进行均值化操作,生成自适应锚点框参数,增强了区域建议网络(RPN)对多尺度目标的搜索能力,节约了人工根据经验设置锚点框参数的时间和精力。实验结果表明,改进算法能够有效地在多种复杂背景下检测不同尺度的遥感目标,在TRGS-HRRSD公共数据集上获得了83.76%的平均精度,召回率达到78.6%。
-
单位教育学院; 新疆大学; 湖北文理学院