基于深度神经网络的遥感目标检测及特征提取
2018-08-23陈金勇吴金亮
王 港,陈金勇,高 峰,吴金亮
(中国电子科技集团公司航天信息应用技术重点实验室,河北 石家庄 050081)
0 引言
遥感是在不直接接触研究目标或现象的情况下,利用记录装置观测或获取目标或现象的某些特征信息的一门科学和技术。遥感已被广泛应用于环境检测、资源探测、生态研究、测绘制图和军事指挥等众多领域[1]。目标检测作为遥感图像处理的一个重要部分,具有覆盖范围广、作用距离远和执行效率高等方面的优点,在军事和民用领域都有重要的意义和价值。
深度学习是近年来在大数据环境下兴起的一门机器学习技术,由于其具备海量数据的学习能力和高度的特征抽象能力,在诸多图像应用领域都取得了革命性的成功[2]。自2014年开始,基于深度学习(主要是卷积神经网络(CNN)[3])的目标检测识别在自然图像应用中取得了巨大突破。例如,以R-CNN(Region with CNN Features)方法为代表的结合通用候选区域算法和CNN分类的目标识别框架(R-CNN[4]、SPP-NET(Spatial Pyramid Pooling Net)[5]、Fast R-CNN(Fast Region with CNN Features)方法[6]、Faster R-CNN(Faster Region with CNN Features)方法[7])。其候选区域采用Selective Search[8]、EdgeBox[9]或BING特征[10]等通用目标候选方法。但这些算法都需要大量的学习样本用于预测准确的回归位置,且大多设计为针对图像中占比大的目标,对于“大范围、小目标”的遥感识别效果并不理想。
大型深度卷积神经网络在遥感影像分类、目标检测识别等研究方面都表现出了良好的性能。但是,并没有一个清晰的解释来说明深度学习网络表现优良的原因,这样就没有技术来支撑改善网络结构,同时无法从科学角度去分析模型的内部操作。……
