公开(公告)号：CN110659601A

公开(公告)日：2020-01-07

申请号：CN201910887781.3

申请日：2019-09-19

Applicant: 西安电子科技大学

Inventor： 张向荣 ,  孙文亮 ,  朱鹏 ,  张天扬 ,  王少娜 ,  唐旭 ,  陈璞花 ,  古晶

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于中心点的深度全卷积网络遥感图像密集车辆检测方法，主要解决现有遥感影像中目标小且排列密集导致检测精度低的问题。其方案为：在遥感影像目标检测数据集中获取训练集和测试集；构建中心点深度全卷积网络密集车辆目标检测模型，设定目标中心点分类任务和目标尺寸回归任务的整体损失函数；将训练集输入到构建的网络模型中进行训练，得到训练好的车辆检测模型；将测试集输入训练好的车辆目标检测模型中，预测输出目标的中心点位置和目标尺寸。本发明降低了目标尺寸对密集场景目标定位的影响，提高了遥感影像中密集车辆目标的召回率，提升了车辆目标的检测精度。可用于城市规划，车流控制，交通监管及军事侦查。

公开(公告)号：CN110659601B

公开(公告)日：2022-12-02

申请号：CN201910887781.3

申请日：2019-09-19

Applicant: 西安电子科技大学

Inventor： 张向荣 ,  孙文亮 ,  朱鹏 ,  张天扬 ,  王少娜 ,  唐旭 ,  陈璞花 ,  古晶

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/774 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于中心点的深度全卷积网络遥感图像密集车辆检测方法，主要解决现有遥感影像中目标小且排列密集导致检测精度低的问题。其方案为：在遥感影像目标检测数据集中获取训练集和测试集；构建中心点深度全卷积网络密集车辆目标检测模型，设定目标中心点分类任务和目标尺寸回归任务的整体损失函数；将训练集输入到构建的网络模型中进行训练，得到训练好的车辆检测模型；将测试集输入训练好的车辆目标检测模型中，预测输出目标的中心点位置和目标尺寸。本发明降低了目标尺寸对密集场景目标定位的影响，提高了遥感影像中密集车辆目标的召回率，提升了车辆目标的检测精度。可用于城市规划，车流控制，交通监管及军事侦查。