李佳琪, 邓玉娇, 吴湘宁, 代 刚, 陈 苗, 王 稳, 方 恒, 涂 雨, 张 锋

(中国地质大学(武汉) 计算机学院, 武汉 430078)

1 引言

遥感影像中飞机、船只以及近海海滩和岛屿的检测不仅在海洋军事信息研究领域是一个重要的应用方向, 在民用工业领域也同样发挥着重要的作用. 对于这类目标, 主要的任务需求是在海面、湖面或地面背景下对图像中的船只、海滩、岛屿以及机场中的飞机进行位置标注和掩膜分割. 而飞机和船只图像在尺度、分辨率上与自然图像存在差异, 海滩和岛屿也会因为崎岖的轮廓使得识别效果不明显.

针对高分辨率遥感图像中目标太小、识别掩码不清晰、输入影像模糊等问题, 本文提出了一种基于注意力机制和生成对抗网络的模型Attention-GAN-Mask R-CNN 简称AG-Mask R-CNN, 将注意力、生成对抗网络[1]和Mask R-CNN[2]结合起来. 本文的主要研究工作为: (1)针对数据中目标尺度不同, 开展多尺度特征融合研究. 针对多尺度的输入, 在主干网络中添加特征金字塔网络 (FPN)[3]. (2)针对遥感图像中对象占比较小, 容易被漏检的问题, 开展注意力机制算法研究. 引入注意力机制, 嵌入在卷积层网络中, 产生注意力感知的特征, 使得网络关注更重要的区域, 以提升网络检测的精度. (3) 在Mask (掩码)分支中引入生成对抗网络.由于Mask 分支生成器与生成对抗网络中的生成器定义相同, 因此利用单独的生成对抗网络对Mask 分支的Mask 生成网络进行预训练, 从而提升原始Mask 分支中生成器的精度. (4)模型的训练与评估. 针对模型的……