基于深度修剪的遥感影像两阶段目标检测

在本文中,我们专注于解决超高分辨率(VHR)遥感图像中的目标检测问题。 VHR遥感图像中物体检测的主要挑战是:(1)VHR图像通常太大,在定位物体时会花费太多时间; (2)高误报,因为背景占主导地位,并且在VHR图像中很复杂。 针对上述挑战,提出了一种建立两阶段目标检测模型的新方法。 我们提出的方法可以分为两个过程:(1)使用两次修剪得到区域提议卷积神经网络,用于预测区域提议; (2)然后使用一次修剪得到分类卷积神经网络,该网络用于分析第一阶段的结果并输出提案的类别标签。 实验结果表明,该方法具有较高的精度,并且比NWPU VHR-10遥感数据集的最新方法要快得多。