改进Mask R-CNN在航拍灾害检测的应用研究

来源：计算机工程与应用杂志2019年第21期北京时间：

作者：李梁，董旭彬，赵清华

单位：1.太原师范学院 管理系，山西 晋中 030619；2.太原理工大学 信息与计算机学院&新型传感器和智能控制教育部（山西）重点实验室 微纳系统研究中心，太原 030600

摘要：目标检测在众多领域具有极高的理论意义与应用价值，更稳定、更精确的目标检测方法是目前灾害检测领域研究的热点与难点。将基于深度学习的目标检测方法应用于灾害检测中，提出基于改进Mask R-CNN的航拍灾害检测方法。针对检测中出现的准确率较低，采用改进特征金字塔的结构，充分利用特征映射图的信息，提高各尺寸灾害目标的检测精度；并引入在线困难样本挖掘机制，解决正负样本不均衡的问题，减少误检率和漏检率。同时采用多部件结合的方法剔除误检目标。为验证该方法的有效性，在Tensorflow深度学习框架上，选取不同高度的森林火灾、滑坡、泥石流、地震航拍图像进行验证实验。结果表明，该方法能实现对不同类型的灾害进行快速而又准确的检测，同时对基于其他应用背景的目标识别研究也具有一定的参考意义。

关键词：深度学习,灾害检测,特征金字塔,在线困难样本挖掘,多部件结合