一种基于CenterNet的多朝向建筑物检测方法

来源：电子测量技术杂志2023年第10期北京时间：

作者：顾东泽，王敬东，姜宜君，廖元晖

单位：南京航空航天大学自动化学院 南京 211106

摘要：航拍图像中的建筑物分布往往是朝向多样的。基于传统卷积神经网络的目标检测算法多以水平锚框作为检测框，在检测多朝向分布的建筑物场景下准确率较低。为此本文提出一种基于CenterNet神经网络的目标检测算法，在CenterNet模型基础上添加角度预测分支，将朝向角度信息融入网络中。针对CenterNet模型在特征提取阶段提取到的建筑物角度特征较少问题，采用非对称卷积替代原先的3×3卷积，加强神经网络对于旋转目标角度信息的特征提取能力，并通过改进损失函数降低角度周期性问题对目标检测的影响。改进后的网络可以更加精准的检测出多朝向分布的建筑物。在本文构建的数据集上进行了实验测试，相同环境下网络改进前后建筑物整体检测准确率提升52%，其中10°~80°以及100°~170°范围内大朝向变化建筑物检测准确率提升了74%。0°~10°、80°~100°以及170°~180°范围内小朝向变化建筑物检测准确率提升了31%，有效提高了多朝向建筑物检测的准确度。

关键词：关键点检测;多朝向建筑物;非对称卷积;角度周期性