基于深度残差网络与SV编码的飞机遥感图像检测方法技术

本发明专利技术涉及一种基于深度残差网络与SV编码的飞机遥感图像检测方法，包括下列步骤：建立基于caffe神经网络的检测框架，保留ResNet中的conv1,conv2_x,conv3_x和conv4_x，丢弃conv5_x，为了将多个级别的feature map整合到相同的尺寸，对shallower特性进行分类，使用最大池化层来映射；采用利用HOG描述器进行特征描述，使用SV编码对原始HOG特征进行编码，以获得高维稀疏向量；进行模型权重初始化与初步训练，得到模型a；收集飞机遥感图像，利用标注工具标出飞机所在位置，完成训练集与测试集；利用训练集训练模型a，微调模型权重，得到最终检测模型b。

【技术实现步骤摘要】
基于深度残差网络与SV编码的飞机遥感图像检测方法
本专利技术属于计算机视觉领域，涉及目标检测识别算法在飞机遥感图像检测上的应用。
技术介绍
随着遥感技术的发展，飞机遥感影像探测已成为一个具有吸引力的研究课题，在动态机场监测和军事侦察等各种应用中发挥着至关重要的作用。虽然在自然图像中物体检测的任务已经取得了显著的进展，但由于复杂背景、噪声和光照等因素的不同，在遥感图像中，很少有研究能有效地解决飞机探测的难题。传统的遥感图像目标检测体系结构是基于人工设计的特征。Sun等人(2011)提出了一种基于空间稀疏编码bag-of-words(BOW)(SSCBOW)模型的检测框架。Zhang等人(2013)通过编码旋转部件和物体的特征来探测飞机。Shi等人(2014)利用异常探测器和局部形状特征探测高分辨率光学图像中的舰船。Zhao等人(2017)采用了一种名为聚合通道特征(ACF)的信道特性，采用了快速特征金字塔算法来检测遥感图像中的飞机。不幸的是，很少有传统的方法可以在实际系统中使用，因为很难通过人工识别从复杂多样的背景中探测飞机的特性。最近，深度学习模型，特别是卷积神经网络(CNN)，在许本文档来自技高网...

【技术保护点】
1.一种基于深度残差网络与SV编码的飞机遥感图像检测方法，包括下列步骤：(1)建立基于caffe神经网络的检测框架，保留ResNet中的conv1,conv2_x,conv3_x和conv4_x，丢弃conv5_x，为了将多个级别的feature map整合到相同的尺寸，对shallower特性进行分类，使用最大池化层来映射，应用局部响应规范化(LRN)方法在多级特征图上增强其生成性；(2)采用利用HOG描述器进行特征描述，使用SV编码对原始HOG特征进行编码，以获得高维稀疏向量；(3)基于ImageNet图片集进行模型权重初始化与初步训练，得到模型a；(4)收集飞机遥感图像，利用标注工具标出...

【技术特征摘要】
1.一种基于深度残差网络与SV编码的飞机遥感图像检测方法，包括下列步骤：(1)建立基于caffe神经网络的检测框架，保留ResNet中的conv1,conv2_x,conv3_x和conv4_x，丢弃conv5_x，为了将多个级别的featuremap整合到相同的尺寸，对shallower特性进行分类，使用最大池化层来映射，应用局部响应规范化(LRN)方法在多级特征图上...

【专利技术属性】
技术研发人员：杨嘉琛，满家宝，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12