领域自适应在遥感图像目标检测问题中的应用
遥感图像的目标检测是遥感数据处理中的一类基础性分析问题,目前的研究通常假设训练数据与测试数据属于同分布,但是在现实问题中却常出现训练模型与目标任务不匹配的情况.为了提高目标检测模型的鲁棒性,本文结合迁移学习中的领域自适应方法提出了无监督的域适应Faster R-CNN目标检测算法.改进算法在Faster R-CNN算法的基础上设计了域适应结构,选择作为领域间的差异性度量准则,并基于对抗训练的方式来缩小域间差异.基于亮度差异的域适应实验证明了域适应Faster R-CNN目标检测算法是有效的,相比于原Faster R-CNN算法,检测精度提高了31.84％.
遥感图像 目标检测 领域自适应 迁移学习
江政杰 李雨倩 陈金勇 林云 李宇曜
北京理工大学 北京 100081 哈尔滨工程大学 黑龙江 哈尔滨 150001 中国电科第54研究所 河北 石家庄 050002
国内会议
成都
中文
1-15
2019-09-20（万方平台首次上网日期，不代表论文的发表时间）