增强小目标特征的航空遥感目标检测
【摘要】 目的航空遥感图像中多为尺寸小传统的目标检测算法由于模型的特征提取网络对输入图像进行多次下采样，分辨率大幅降低，容易造成目标特征信息丢失，而且不同尺度的特征图未能有效融合，检测目标之间存在的相似特征不能有效关联，不仅时间复杂度高，而且提取的特征信息不足，导致目标为了提升算法对航空遥感图像目标的检测准确率，本文提出一种基于并行高分辨率结构结漏检率和误检率偏高合长短期记忆网络(。方法首先，构建并行高分辨率网络结构，由阶段，分辨率从高到低逐步增加子网络，将多个子网并行连接，构建子网时对不同分辨率高分辨率子网络作为第的特征图反复融合，以增强目标特征表达;其次，对各个子网提取的特征图进行双线性插值上采样，并拼接通道特征;最后，使用双向整合通道特征信息，完成多尺度检测)的目标检测算法longshort-termmemory，LSTM。结果将本文提出的检测算法在LSTM。1(KarlsruheInstituteofTechnologyandToyotaTechnologicalInstituteatChicago)数据集
