科研成果

当前位置: 首页 -> 科学研究 -> 科研成果 -> 正文

遥感图像中基于多任务学习和多区域特征融合的任意方向舰船检测

作者: 来源: 阅读次数: 日期:2020-08-02

 

154.com皇冠

“科研成果快报”

 

 

 

1. 标题

Arbitrary direction ship detection in remote-sensing images based on multitask learning and multi-region feature fusion

遥感图像中基于多任务学习和多区域特征融合的任意方向舰船检测

 

2. 成果信息

Liu Qiangwei, Xiang Xiuqiao2020). Arbitrary direction ship detection in remote-sensing images based on multitask learning and multiregion feature fusion. IEEE Transactions on Geoscience and Remote Sensing.

DOI: 10.1109/TGRS.2020.3002850    

 

3. 成果团队成员

刘强威 硕士生 154.com皇冠

向秀桥 博士,副教授,154.com皇冠

研究方向:机器学习,计算机视觉

邮箱:xiangxq0005@126.com

 

4. 成果介绍

 

针对基于水平包围框的检测方法在舰船检测方面存在的漏检率高、视觉效果差等问题,本文提出一种基于倾斜包围框的任意方向舰船检测算法。首先使用基础网络提取整个图像的特征区域建议网络中生成具有任意方向的候选区域。然后通过多区域特征融合模块候选区域的局部特征和全局特征相结合,充分利用目标的上下文和细节信息。最后,利用头网络进行多任务的预测,包括对舰船目标得分、倾斜方向判断(左斜或右斜)以及边框中心点和三条边的回归,从而确定出舰船目标的倾斜包围框。与其它方法相比,实验结果验证了所提出的舰船目标检测方法表现出较好的性能,能够有效地完成对任意方向舰船目标的检测,且对复杂背景密集排列和不完整舰船因素具有较好的鲁棒性。此外,本文提出一种基于船头检测的近岸密集船舶检测方法,相较于常用的基于深度学习的密集排列舰船检测算法,本文方法具有更高的检测精度和召回率。

 

本文网络结构


本文网络由四部分构成,分别为主干网络、区域建议网络(RPN)、多区域融合模块和头网络

 

 

本文方法在HRSC2016 数据集上的舰船检测结果

Baidu
sogou