系统工程与电子技术

作者：赵若辰, 王敬东, 林思玉, 顾东泽

单位：南京航空航天大学自动化学院, 江苏 南京 211106

关键词：建筑物检测,小目标检测,卷积神经网络,特征提取,注意力机制

基金：国家自然科学基金资助课题(U1531110)

针对基于传统卷积神经网络的建筑物目标检测算法对于小型建筑物检测准确率低的问题, 提出一种基于Mask-区域卷积神经网络(Mask-region convoluional neural networks, Mask-RCNN)模型的小目标检测算法模型。该模型对Mask-RCNN模型中的特征提取网络进行了改进, 设计了一种带有注意力机制的多尺度组卷积神经网络, 有效解决了小目标有用特征较少且易被背景特征和噪声干扰的问题。航拍图像实验结果表明, 改进的检测模型使小型建筑物目标检测准确率较原始Mask-RCNN模型提升了28.9%, 达到了0.663。并且整体检测准确率达到了0.843, 有效提升了航拍建筑物检测准确性。

来源：2021年第11期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2021年第11期