基于Sparse R-CNN的遥感目标检测研究

被引：0
|
作者：
刘冰
段睿
机构：
[1] 长春工业大学计算机科学与工程学院
来源：
长春工业大学学报 | 2024年 / 45卷 / 02期
关键词：
遥感图像; 目标检测; 自监督; 基于查询的目标检测方法;
D O I：
暂无
中图分类号：
学科分类号：
摘要：
遥感图像目标检测任务在天气预报、环境监测及军事应用等领域均有应用，但其小目标众多、类间相似度大、尺度多样等问题导致提取特征困难。基于深度学习的方法在目标检测领域已经流行起来，Sparse R-CNN是一种结构简单且效果较好的模型，但将其直接应用到遥感图像上结果较差，针对遥感图像特点引入了自监督学习框架跟选择性查询收集提高了遥感图像目标检测的效果，在mAP指标上提高3.8个百分点。
引用
收藏
页码：147 / 152
页数：6
相关论文
共 5 条
  • [1] 基于深度学习和磁共振图像的膝骨关节炎分类
    王昕
    刘爽
    周长才
    [J]. 长春工业大学学报, 2023, 44 (01) : 45 - 51
  • [2] 基于改进的Vision Transformer杂草生长周期识别方法研究
    王贵参
    杨承林
    蒲佳佳
    伍俊霖
    王红梅
    [J]. 长春工业大学学报, 2022, 43 (06) : 712 - 718
  • [3] Object detection in optical remote sensing images: A survey and a new benchmark.[J].Ke Li;Gang Wan;Gong Cheng;Liqiu Meng;Junwei Han.ISPRS Journal of Photogrammetry and Remote Sensing.2020,
  • [4] XLNet: Generalized Autoregressive Pretraining for Language Understanding..[J].Zhilin Yang;Zihang Dai;Yiming Yang;Jaime G. Carbonell;Ruslan Salakhutdinov;Quoc V. Le.CoRR.2019,
  • [5] Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
    Ren, Shaoqing
    He, Kaiming
    Girshick, Ross
    Sun, Jian
    [J]. IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, 2017, 39 (06) : 1137 - 1149
1