公开(公告)号：CN110084195A

公开(公告)日：2019-08-02

申请号：CN201910346043.8

申请日：2019-04-26

Applicant: 西安电子科技大学

Inventor： 马文萍 ,  郭琼琼 ,  武越 ,  杨启帆 ,  赵暐

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06T7/00

Abstract: 本发明公开了一种基于卷积神经网络的遥感图像目标检测方法，主要解决现有技术不能很好地识别外观歧义的遥感目标，和不能获取足够目标语义信息的问题。其实现步骤是：1.采集遥感图像构建数据集，并将数据集划分为训练集和测试集；2.构建网络模型，该模型包含特征提取子网络，RPN候选框生成网络，上下文信息融合子网络以及多区域特征融合子网络；3.用训练集训练模型，直至训练的迭代次数等于预设的终止次数；4.将测试图像输入到训练好的模型中，得到目标检测的结果。本发明能强化特征的表达能力，丰富目标的语义信息，使目标更具有辨识性，提高了检测的精度，可用于资源勘探、灾害监测和城市规划的遥感图像目标检测。

公开(公告)号：CN110084195B

公开(公告)日：2022-12-06

申请号：CN201910346043.8

申请日：2019-04-26

Applicant: 西安电子科技大学

Inventor： 马文萍 ,  郭琼琼 ,  武越 ,  杨启帆 ,  赵暐

IPC: G06V20/13 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06T7/00

Abstract: 本发明公开了一种基于卷积神经网络的遥感图像目标检测方法，主要解决现有技术不能很好地识别外观歧义的遥感目标，和不能获取足够目标语义信息的问题。其实现步骤是：1.采集遥感图像构建数据集，并将数据集划分为训练集和测试集；2.构建网络模型，该模型包含特征提取子网络，RPN候选框生成网络，上下文信息融合子网络以及多区域特征融合子网络；3.用训练集训练模型，直至训练的迭代次数等于预设的终止次数；4.将测试图像输入到训练好的模型中，得到目标检测的结果。本发明能强化特征的表达能力，丰富目标的语义信息，使目标更具有辨识性，提高了检测的精度，可用于资源勘探、灾害监测和城市规划的遥感图像目标检测。