基于深度信息融合的航拍车辆检测

来源：计算机技术与发展杂志2019年第09期北京时间：

作者：陶晓力;刘宁钟;沈家全

摘要：随着汽车数量的快速增长以及无人机飞控技术的迅速发展,基于无人机航拍的车辆检测技术越来越有用武之地。传统的基于滑动窗口以及手工设计特征的车辆检测不仅计算量巨大,鲁棒性也不够好。 卷积神经网络在目标检测方面发挥了显著的优势,但是常见的网络对于航拍遥感图像中的小目标检测效果一般。 文中基于 faster-RCNN 在 VGG16 网络上使用通道合并融合的方式设计了超特征图,通过结合浅层特征以及深层特征的方式提取小目标的特征以提高检测的召回率。 同时修改 RPN 层的包围框的大小以提高检测的准确性。 在慕尼黑车辆数据集以及自己收集的数据上进行了测试,通过对比实验可知,该方法使得车辆检测的效果有了明显提升,在两个数据集上分别达到了 72.3%和 80.5%的 mAP。

关键词：车辆检测;无人机;卷积神经网络;超特征图;小目标检测