APP下载

基于训练网络的目标检测方法及应用

2020-05-11任江涛李定主屠惠琳

火力与指挥控制 2020年4期
关键词:深度模型

任江涛,李定主,屠惠琳

(北方自动控制技术研究所,太原 030006)

0 引言

近年来,随着大数据技术的不断发展,图像目标的识别分类已经成为非常重要的研究热点。在地物遥感图像识别领域,通过目标识别分类,可以在遥感图像中获取不同目标的位置信息以及具体目标的类型[1]。在民用方面,可以用于资源调查、环境检测以及防灾减灾等;在军用方面,可以用于军事测绘、战略侦查以及目标打击等[2-3],因此,针对遥感影像的目标识别分类具有十分重要的意义[4-6]。近几年来,随着对地观测技术的进步,遥感数据有着非常明显的大数据的特征,从而可以为目标识别分类提供大量的可用数据,在此基础上,基于深度学习的遥感目标识别分类得到了广泛的应用[7-9]。

2014 年Ross Girshick 等人提出了目标检测算法R-CNN(Region-based Convolutional Neutral Network)[10],其结合了卷积神经网络[11]和区域候选(Region Proposal)方法,在目标检测与行人检测上取得了较好的成绩,然而也存在着效率低下,花费时间长等一系列问题。随后,Ross Girshick 等人提出了Fast R-CNN,Shaoqing Ren 等人在Fast R-CNN 的基础上提出了Faster R-CNN 模型[12],将区域建议、特征提取、建议框回归等整合到同一个端对端的网络中,有效地减少了算法对计算资源的占用,大大加快了模型的速度,在目标检测领域拥有最好的检测精度,是目前应用最为广泛的模型之一。

在Faster R-CNN 模型中的特征提取阶段,VGG16 模型是目前使用较多的训练网络。在网络深度方面,VGG16 网络相比之后出现的inception 网络和深度残差网络而言层数太少,不能更好地提取高维度的特征,从而在特征提取上不占优势;……

登录APP查看全文

猜你喜欢

深度模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
深度观察
深度观察
深度观察
深度观察
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
提升深度报道量与质
一个相似模型的应用