(英)CCNet: 采用多光谱图像的高速船只检测级联卷积神经网络
投稿时间:2018-10-31  修订日期:2018-11-27  点此下载全文
引用本文:
摘要点击次数: 209
全文下载次数: 0
作者单位E-mail
张忠星 1.中国科学院半导体研究所 3.中国科学院大学 zhangzhongxing@semi.ac.cn 
李鸿龙 1.中国科学院半导体研究所 3.中国科学院大学  
张广乾 1.中国科学院半导体研究所 3.中国科学院大学  
朱文平 1.中国科学院半导体研究所 3.中国科学院大学  
刘力源 1.中国科学院半导体研究所 3.中国科学院大学  
刘剑 1.中国科学院半导体研究所 3.中国科学院大学  
吴南健 1.中国科学院半导体研究所 2. 中国科学院脑科学与智能技术卓越创新中心3.中国科学院大学 nanjian@red.semi.ac.cn 
基金项目:国家重点研发计划项目(Grant No. 2016YFA0202200)、国家自然科学基金(Grant Nos. 61434004, 61234003)、青年科学基金(Nos. 61504141, 61704167)、中国科学院青年创新促进会基金(No. 2016107)
中文摘要:针对实现遥感图像中船只目标的快速检测,提出了一个采用多光谱图像、基于级联的卷积神经网络(CNN)船只检测方法CCNet。该方法所采用两级级联的CNN依次实现感兴趣区域(ROI)的快速搜索、基于感兴趣区域的船只目标定位和分割。同时,采用含有更多细节信息的多光谱图像作为CCNet的输入,能够提升网络提取特征鲁棒性,从而使得检测更加精确。基于SPOT 6卫星多光谱图像的实验表明:与当前主流的深度学习船只检测方法相比,该方法能够在实现高检测精准度的基础上将检测速度提高5倍以上。
中文关键词:船只检测  卷积神经网络  多光谱图像  红外图像
 
CCNet: A high-speed cascaded convolutional neural network for ship detection with multispectral images
Abstract:A novel ship detection method using cascaded convolutional neural network (CCNet) with multispectral image is proposed to achieve high-speed detection. The CCNet employs two cascaded convolutional neural networks (CNN) for extracting regions of interest (ROIs), locating and segmenting ship objects sequentially. Benefit from the abundant details of the multispectral image, CCNet can extract more robust feature for achieving more accurate detection. The efficiency of CCNet has been validated by the experiments on SPOT 6 satellite multispectral images. In comparison with the state-of-the-art deep learning based ship detection algorithms, the experimental results indicate that the proposed ship detection algorithm accelerates the processing by more than 5 times with a high accurate detection performance.
keywords:Ship detection, convolutional neural network, multispectral image, infrared image
查看全文  查看/发表评论  下载PDF阅读器

版权所有:《红外与毫米波学报》编辑部