一种基于更新的卷积神经网络框架在大面积遥感图像目标检测中的应用示例

摘要： 本信函探讨了大范围遥感图像中目标精确检测的问题。尽管许多基于卷积神经网络（CNN）的目标检测模型在小图像块上能实现高精度，但由于复杂背景和多样地物类型导致大量漏检与误检，在大范围图像中表现欠佳。为应对这一挑战，本信函提出一种基于样本更新的大范围遥感图像目标检测CNN框架（SUCNN）。该框架包含两个阶段：第一阶段使用训练数据集训练基础模型——单发多框检测器；第二阶段通过生成人工复合样本更新训练集，并利用更新后的数据集对第一阶段模型参数进行微调以获得第二阶段模型。最终采用大范围遥感图像测试集对一、二阶段模型进行评估。对比实验表明，所提SUCNN框架在大范围遥感图像目标检测中具有显著有效性与优越性。