基于改进SSD框架的遥感影像飞机目标检测方法.docx

基于改进SSD框架的遥感影像飞机目标检测方法
摘要：
遥感影像的飞机目标检测一直是一个严峻的任务，因为飞机在图像中的大小和旋转角度是难以控制的。为此，本文提出了一种改进SSD框架的遥感影像飞机目标检测方法。该方法将卷积层中的比例因子和旋转角度因子与原来的SSD框架进行组合，从而实现了对目标大小和角度的精准控制。同时，本文还采用了池化金字塔网络，对池化进行了优化，提高了特征提取的效率和准确性。实验结果表明，本文提出的方法能够有效地检测飞机目标，达到了很高的检测率和准确率。
关键字：遥感影像，飞机目标检测，SSD框架，卷积层，池化金字塔网络
Abstract:
Aircrafttargetdetectioninremotesensingimageshasalwaysbeenachallengingtaskbecausethesizeandrotationangleofaircraftintheimagearedifficulttocontrol.Therefore,thispaperproposesanimprovedSSDframeworkforaircrafttargetdetectioninremotesensingimages.ThismethodcombinesthescalefactorandrotationanglefactorintheconvolutionlayerwiththeoriginalSSDframeworktoachieveprecisecontrolofthetargetsizeandangle.Atthesametime,thispaperalsousesthepoolingpyramidnetworktooptimizethepooling,improvetheefficiencyandaccuracyoffeatureextraction.Experimentalresultsshowthatthemethodproposedinthispapercaneffectivelydetectaircrafttargetsandachievehighdetectionrateandaccuracy.
Keywords:Remotesensingimage,aircrafttargetdetection,SSDframework,convolutionlayer,poolingpyramidnetwork
1.引言
随着遥感技术的不断发展，遥感影像的应用越来越广泛，其中飞机目标检测是其中的一个重要应用之一。遥感影像中的飞机目标检测一直是一个严峻的任务，因为飞机在图像中的大小和旋转角度是难以控制的。这就要求我们在算法和模型设计中要加强对目标大小和角度的控制。随着深度学习的不断发展，卷积神经网络已经成为遥感影像飞机目标检测的主要算法之一。现有的基于卷积神经网络的遥感影像飞机目标检测算法主要基于SSD、YOLO等框架。但是这些框架无法精确控制目标的大小和角度，限制了算法的性能。
因此，本文提出了一种改进SSD框架的遥感影像飞机目标检测方法。该方法将卷积层中的比例因子和旋转角度因子与原来的SSD框架进行组合，从而实现了对目标大小和角度的精准控制。同时，本文还采用了池化金字塔网络，对池化进行了优化，提高了特征提取的效率和准确性。
本文的组织结构如下：第二节介绍相关工作；第三节介绍改进的SSD框架；第四节介绍池化金字塔网络；第五节介绍本文的实验设计和结果分析；第六节做出本文的总结和未来的工作展望。
2.相关工作
2.1SSD框架
SSD（SingleShotDetector）框架是一种快速检测算法，可以对目标进行快速的检测和定位。SSD可以将多个小的特征图进行组合，并进行多尺度特征提取和检测。SSD算法在目标检测任务中效果非常好，同时具有速度快、检测精度高等优点。
2.2YOLO框架
YOLO（YouOnlyLookOnce）框架是另外一个常用的目标检测框架。YOLO框架主要采用全卷积神经网络，可以在一个单一的网络中同时进行目标检测和定位，同时具有实时性和精度高等优点。
2.3遥感影像飞机目标检测方法
目前，遥感影像飞机目标检测方法主要基于深度学习算法，如SSD、YOLO等。但是由于遥感影像中的飞机目标大小和旋转角度多变，因此如何精确控制目标大小和角度成为了遥感影像飞机目标检测中的一个难点。
3.改进的SSD框架
3.1算法流程
改进的SSD框架主要由以下模块组成：
（1）卷积层
（2）公共特征层
（3）多尺度特征层
（4）检测层
图1改进的SSD框架
3.2组合比例因子和旋转角度因子
改进的SSD框架主要是在卷积层中对比例因子和旋转角度因子进行组合，从而实现了对目标大小和角度的精准控制。具体地，在每个卷积层的最