遥感舰船目标识别论文阅读
遥感舰船目标识别
SwordKii
这个作者很懒,什么都没留下…
展开
-
特征增强SSD算法及其在遥感目标检测中的应用——史文旭
论文阅读笔记摘要对SSD的金字塔特征层中的浅层网络设计浅层特征增强模块,以提高浅层网络对小目标物体的特征提取能力;设计深层特征融合模块,替换SSD金字塔特征层中的深层网络,提高深层网络的特征提取能力;将提取的图像特征与不同纵横比的候选框进行匹配以执行不同尺度遥感图像目标检测与定位。0. 引言反卷积单发检测网络算法(DSSD)(DSSD: Deconvolutional single shot detector)多尺度单发射击检测增强算法(ESSD)(An enhanced SSD wit原创 2020-12-15 15:32:31 · 2044 阅读 · 0 评论 -
ssd项目运行笔记
下载anaconda安装,记得勾上默认添加环境变量修改镜像源conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --set show_channel_urls yes4. 创建虚拟环境conda create -n py36 python=3.6若是出现问题,恢复默认源:conda config --remove-key channels.原创 2020-11-24 11:19:38 · 256 阅读 · 0 评论 -
基于深度学习的遥感舰船目标检测 构思
构思 11.301. 主体框架SSD2. 创新点数据扩增TTA单图多测旋转框结合FPN重新设计先验框尺度改进损失函数3. 代码原始SSD检测,在原始SSD上修改;Oriented SSD:基于Kaggle的数据集,基于SSD,斜框检测。21st solution:基于Kaggle的数据集,基于Mask RCNN,有讲解。YOLO v3:基于yolo v3,用自己的数据集。YOLO v4:基于Kaggle的数据集4. 光学遥感图像数据集Kaggle Airbus S原创 2020-11-30 15:11:22 · 1093 阅读 · 1 评论 -
基于光学遥感图像的舰船目标检测技术研究——尹雅
论文阅读笔记摘要针对光学遥感图像,围绕舰船目标检测的一般处理流程,综述了目前各环节采用的主要处理方法,分析比较了各方法的优劣,指出了各环节面临的瓶颈问题,阐述了自然图像上的检测方法应用于舰船目标检测时的局限性,并讨论了当前研究面临的挑战,最后对相关的发展趋势进行了展望。1 引言现有舰船识别研究工作大多基于SAR图像,光学遥感图像舰船目标检测逐渐成为研究热点。2 检测方法总结现阶段的舰船检测识别过程通常分为3歌步骤:输入图像进行预处理,减弱环境的影响,当图像中出现陆地区域时,进原创 2020-11-25 16:21:27 · 2238 阅读 · 0 评论 -
多特征融合的高分辨率遥感图像海陆分离——刘思彤
摘要为解决目前大多数海陆分离方法仅利用单一特征对图像进行处理,从而导致误分割或存在大量孤立区域,造成后续处理工作难度大或无法开展的问题,提出一种联合灰度、梯度和纹理等多特征的海陆分离方法。针对不同的陆地类型选用不同的特征进行分离,配合形态学处理,基本实现海陆分离;再采用像素标记与纹理聚类策略对结果进行优化,去除孤立区域,得到最终的海陆分离结果;最后利用直方图统计法将陆地屏蔽。此方法的陆地检测率与正确检测率都在99%以上,计算时间仅为其他方法的一半。实验结果表明,该方法与常用的海陆分离方法相比能够快速准确地原创 2020-11-24 10:59:12 · 1308 阅读 · 0 评论 -
基于多阈值的形态提取遥感图像中的沿海线的特征方法(Qu Jishuang)
Title:A multi-threshold based morphological approach for extracting coastal line feature in remote sensed images题目:基于多阈值的形态提取遥感图像中的沿海线特征的方法摘要在执行海监测、海上搜救、利用遥感图像进行海污监测等任务的同时,应首先确定沿海线特征。阈值方法是一种简单但有效的图像分割方法,同样,它们可用于检测远程感应图像中的沿海线特征。然而,虽然传统的阈值方法过去是这样做的,但它总是缺乏原创 2020-11-18 16:20:26 · 735 阅读 · 1 评论 -
OTSU阈值分割+孔洞填充+海陆分离
https://zhuanlan.zhihu.com/p/124944108OTSU算法(大津算法)的详细步骤:假设初始有个阈值T0T_0T0,并将图像分为两个部分(阈值分割),前景F和背景B。假设像素的总个数为N,前景像素个数为NfN_fNf,背景像素个数为NbN_bNb;假设图像的总灰度级为L−1L-1L−1,每个灰度级的像素个数为NiN_iNi,那么满足如下的公式:Pf=∑i=0i=T0NiNP_f = \sum ^{i=T_0} _{i=0} \frac {N_i}{N}Pf=原创 2020-11-16 13:33:18 · 2741 阅读 · 1 评论 -
高分辨率光学遥感影像舰船目标检测与识别算法研究(尹莹莹)
摘要本文主要研究海路背景下的光学遥感图像舰船目标检测与识别技术。为了提高系统实际应用的可靠性,重点研究了海陆分离、舰船目标疑似区域检测技术与疑似区域目标识别技术。首先,针对具有海陆混合背景的光学遥感图像海陆分离问题,本文基于由粗到精的思想,采用了OTSU与形态学相结合的方法实现海陆区域的初步划分,之后,以孤立区域内像素的欧式距离为判别依据,对“孔洞”进行精确划分,从而实现了精确的海陆分离。最后,依据分离结果进行陆地屏蔽。针对陆地屏蔽产生的海陆分界线会带来大量虚警的问题,本文提出随机填充与滑动窗口局部滤波原创 2020-08-13 15:02:49 · 3351 阅读 · 1 评论 -
面向军事目标识别的DRFCN深度网络设计及实现
摘要自动目标识别(ATR)技术一直是军事领域中急需解决的重点和难点。本文设计并实现了一种新的面向军事目标识别应用的DRFCN深度网络。首先,在DRPN部分通过卷积模块稠密连接的方式,复用深度网络模型中每一层的特征,实现高质量的目标采样区域提取;其次,在DFCN部分通过融合高低层次特征图语义特征信息,实现采样区域目标类别和位置信息的预测;最后,给出了DRFCN深度网络模型结构以及参数训练方法。与此同时,进一步对DRFCN算法开展了实验分析与讨论:1)基于PASCAL VOC数据及进行对比试验,结果表明,由于原创 2020-08-05 15:27:07 · 1520 阅读 · 1 评论