基于光学遥感影像的车辆目标自动检测方法
随着我国机动车数量的日益增长，利用遥感图像对车辆目标进行检测已广泛应用于道路交通和城市管理等方面.近年来，基于深度学习的目标检测算法已经在通用物体检测任务上取得了非常出色的成绩.通用物体检测器利用与坐标轴平行的水平框来完成目标的定位和分类任务.由于遥感图像中的车辆目标具有排列密集、方向任意等特点，通用物体检测器很难对其进行准确地识别和定位.针对上述问题，对EfficinetDet 的回归网络进行改进，通过添加角度预测参数解决水平框检测器对方向任意的目标检测精度差的问题，并提出旋转目标检测器RotationDet.同时利用K-means 聚类算法对车辆目标的尺寸进行聚类分析，重新设计锚框的尺度和宽高比.将带有K-means 聚类算法的旋转目标检测器在DOTA 数据集上进行测试，大型车和小型车两类目标的平均精度可以达到62.0％，证明了提出方法的有效性.
遥感图像 车辆检测 深度学习
张永强 方中昊 师皓
北京跟踪与通信技术研究所,北京 100094 北京理工大学信息与电子学院,北京 100081;北京理工大学重庆创新中心,重庆 401120
国内会议
重庆
中文
327-331
2022-04-10（万方平台首次上网日期，不代表论文的发表时间）