领域自适应在遥感图像目标检测问题中的应用

领域自适应在遥感图像目标检测问题中的应用.pdf
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FasterR-CNN目标检测算法.改进算法在FasterR-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FasterR-CNN目标检测算法是有效的,相比于原FasterR-CNN算法,检测精度提高了31.84％.
作者：江政杰 李雨倩 陈金勇 林云 李宇曜
作者单位：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
母体文献：第六届高分辨率对地观测学术年会论文集
会议名称：第六届高分辨率对地观测学术年会  
会议时间：2019年9月20日
会议地点：成都
主办单位：高分辨率对地观测学术联盟
语种：chi
分类号：H08TP3
关键词：遥感图像  目标检测  领域自适应  迁移学习
在线出版日期：2020年7月9日
基金项目：
相似文献
相关博文

2024-12-3 20:46 上传 领域自适应在遥感图像目标检测问题中的应用.pdf

文件大小:

1.87 MB

下载次数:

60

高速下载