-
题名用于遥感图像目标检测的少样本算法
- 1
-
-
作者
薛杨义
周立凡
龚声蓉
-
机构
东北石油大学计算机与信息技术学院
常熟理工学院计算机科学与工程学院
-
出处
《计算机与现代化》
2024年第2期43-49,63,共8页
-
基金
国家自然科学基金资助项目(61972059,42071438)
江苏省自然科学基金资助项目(BK20191474,20221403)。
-
文摘
针对遥感场景数据量匮乏,高空拍摄捕捉的地表物体尺寸变化明显,包含大量多个类别的物体以及复杂背景,导致检测准确率低、分类不准确等问题,提出一种基于二阶段检测模型(Faster RCNN)的少样本遥感目标检测网络。新增新型反转卷积算子构建检测器主干,提高特征提取能力;融入多尺度对象级正样本特征进行原始特征增强,抑制负样本的不利影响,充分挖掘各目标尺度的特征信息,帮助语义信息进行定位;采用对比监督的思想改进损失函数,细化目标分类,降低误检率。在公开遥感数据集上的实验结果表明,在仅有少量遥感标注样本的条件下,该网络能适应遥感图像的多尺度特征并有效缓解数据稀缺引发的过拟合现象。与先期Meta RCNN和FsDet网络相比,平均准确度进一步提升了3.8个百分点和2.5个百分点,为遥感领域的图像目标检测提供有意义参考。
-
关键词
少样本
目标检测
特征增强
微调
遥感图像
对比损失
-
Keywords
few shot
object detection
feature enhancement
fine tuning
remote sensing images
contrastive loss
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
