基于多尺度检测卷积的光学遥感图像目标检测方法研究OA

光学遥感图像目标检测是遥感领域的关键技术之一.遥感图像具有目标尺度变化剧烈的特点,对图像目标检测准确率影响较大,常见的基于无锚框的目标检测方法在自然图像检测领域具有优势,但对光学遥感图像进行检测时效果不理想.因此,设计一个多尺度检测卷积结构(Multi-scale Detection Convolution Structure,MDCS),在没有先验信息的情况下,自适应拟合具有不规则纵横比的多尺度目标边界框,加强神经网络对多尺度目标的响应.基于CenterNet无锚框检测方法,引入多尺度检测卷积结构提出了一个遥感图像多尺度检测网络(Multi-scale Detection Convolutional Network,MDCNet).基于MDCNet网络模型在DOTA光学遥感数据集上进行遥感图像目标检测实验,实现了67.3%的遥感图像目标检测准确率,验证了MDCNet网络对于多尺度目标检测性能提升的有效性.