CCNet:面向多光谱图像的高速船只检测级联卷积神经网络

• 作 者: 张忠星 李鸿龙 张广乾 朱文平 刘力源 刘剑 吴南健
• 机 构: 中国科学院半导体研究所超晶格国家重点实验室,中国科学院脑科学与智能技术卓越创新中心,中国科学院大学材料与光电研究中心
• 出 处: 红外与毫米波学报
• 发表日期: 2019年3期
• 关键词: 船只检测 遥感图像处理 卷积神经网络 多光谱图像 ship detectionremote image processingconvolutional neur
• 基金项目: The National Key Research and Development Program of China(Grant No.2016YFA0202200),National Natural Science Foundation of China(Grant Nos.61434004,61234003),National Natural Science Foundation for th

针对实现遥感图像中船只目标的快速检测提出了一个采用多光谱图像、基于级联的卷积神经网络(CNN)船只检测方法CCNet.该方法所采用两级级联的CNN依次实现感兴趣区域(ROI)的快速搜索、基于感兴趣区域的船只目标定位和分割.同时采用含有更多细节信息的多光谱图像作为 CCNet 的输入能够提升网络提取特征鲁棒性从而使得检测更加精确.基于 SPOT 6 卫星多光谱图像的实验表明与当前主流的深度学习船只检测方法相比该方法能够在实现高检测精准度的基础上将检测速度提高 5 倍以上.