摘要: 摘 要: 目前基于深度学习的遥感图像目标检测方法存在密集目标漏检率高、分类不准确的问题。针对上述问题,建立了一种基于深度学习的无锚点的遥感图像任意角度的密集目标检测方法。首先采用CenterNet作为基线模型,经过主干网络提取特征,改造原有检测器结构,加入角度回归分支进行目标角度回归;然后提出一种基于非对称卷积的特征增强模块,将主干网络提取的特征图输入特征增强模块,增强目标的旋转不变性特征,消除由于目标的旋转、翻转带来的影响,进一步提升目标中心点、尺寸信息的回归精度。该方法在公开比赛数据集上正确率比旋转区域候选网络提升了7.80个百分点,比原始CenterNet提升了7.50个百分点,在自建数据集Ship3上正确率比旋转区域候选网络提升了8.68个百分点,比原始CenterNet提升了8.47个百分点。速度相较于传统方法约提升25%,达到了正确率和速度的平衡。
中图分类号: