计算机工程

作者：李文斌, 何冉

单位：河北地质大学 信息工程学院, 石家庄 050031

关键词：遥感图像,目标检测,密度聚类,卷积神经网络,像素级标签

基金：河北省自然科学基金（F2016403055）；河北省高等学校科学研究计划项目（ZD2016005）。

针对遥感图像飞机检测中存在的背景复杂和目标尺度变化大等问题，提出基于深度神经网络的遥感图像飞机目标检测模型DC-DNN。利用图像底层特征制作像素级标签完成全卷积神经网络（FCN）模型训练，将FCN模型与DBSCAN密度聚类算法相结合选取飞机目标的自适应候选区域，并基于VGG-16网络提取候选区域高层特征以获取飞机目标检测框，同时通过检测框抑制算法剔除重叠框和误检框，得到最终的飞机目标检测结果。实验结果表明，DC-DNN模型对于遥感图像飞机目标检测的准确率、召回率和F1值分别为95.78%、98.98%和0.973 5，相比WS-DNN、R-FCN等模型具有更好的检测性能和泛化能力。

来源：2020年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第7期