袁 鸣，柴志雷，甘 霖

1.江南大学物联网工程学院物联网技术应用教育部工程研究中心，江苏无锡 214122

2.国家超级计算无锡中心，江苏无锡 214122

3.清华大学计算机科学与技术系，北京 100084

棕榈树是世界上非常重要的经济作物，精准的棕榈树检测和分析对于改善种植、产量估算和精准农业具有非常重要的意义。随着卫星遥感技术的快速发展，高分辨率的遥感图像得到广泛应用，基于高分辨率的遥感图像变得更易获得，包含的信息更多，数据量更大，促进了遥感图像检测的发展[1]。近些年，深度学习的突破推动了图像分析的快速发展，基于卷积神经网络的深度学习在目标检测方面表现出了卓越的性能。

现有的基于卷积神经网络的目标检测技术主要可以分为两大时期，早期的基于深度学习的遥感影像目标检测研究主要使用滑动窗口方法进行候选框的生成，再使用卷积神经网络模型对候选框进行分类，具有典型代表性的算法分别为RCNN（region convolutional neural network）[2]、Fast RCNN[3]、Faster RCNN[4]、Mask RCNN[5]等。后期的研究是基于端到端目标检测算法，具有代表性的算法有YOLO（you only look once）系列[6-8]、SSD（single shot multi-box detector）[9]。此外，对于多尺度的目标检测，虽然目前已经有一些研究，但在有严重的背景杂斑和光照变化高分辨率遥感图像中，待检测的目标的尺寸只有几像素，现有的算法模型还无法对小目标做出高质量的检测。此外为了满足深度学习不断提高的高强度计算能力的需求，大量的数据中心和服务器端都会部署大量的ASIC（application specific integrated circuit）芯片以及高性能GPU（graphics processing unit）加速卡来进行数据处理。……