遥感图像舰船检测的旋转卷积集成YOLOv3模型

来源：计算机工程与应用杂志2019年第22期北京时间：

作者：吴止锾，李磊，高永明

单位：1.航天工程大学 研究生院，北京 101416；2.中国人民解放军63883部队；3.航天工程大学 电子与光学工程系，北京 101416；4.航天工程大学 航天信息学院，北京 101416

摘要：遥感图像俯视角带来的目标朝向多样性影响了大长宽比舰船目标检测的旋转不变性。针对这一问题，提出了一个基于改进YOLOv3的倾斜边界框检测模型。通过引入角度预测实现倾斜边界框回归；提出一种旋转卷积集成模块，通过旋转卷积和旋转激活提高深度卷积网络（Deep Convolutional Neural Networks，DCNN）特征图对于角度变化的敏感性；将目标边界框倾斜角度预测建模为由粗粒度到细粒度的两次角度分类问题；将角度惩罚引入模型的多任务损失函数中，使得模型能够学习目标的角度偏移。通过对舰船目标标注数据集上的实验可以看到，所提的模型和经典YOLOv3模型相比平均精度提高了12.7%，同时能够保持单阶段目标检测的速度优势。

关键词：遥感图像,目标检测,舰船检测,旋转卷积,深度学习