基於深度學習的遙感圖像目標檢測

《基於深度學習的遙感圖像目標檢測》是2024年國防工業出版社出版的圖書。

基本介紹

• 中文名：基於深度學習的遙感圖像目標檢測
• 出版時間：2024年1月1日
• 出版社：國防工業出版社
• ISBN：9787118130874

內容簡介

　　遙感圖像目標檢測是遙感圖像解譯的重要內容，其任務是對遙感圖像中感興趣目標進行分類和定位。近年來，人工智慧和大數據分析技術快速發展，為遙感圖像目標檢測提供了新的方法和途徑，促進遙感圖像目標檢測向自動化、智慧型化方向邁進。

　　《基於深度學習的遙感圖像目標檢測》系統介紹遙感圖像目標檢測的理論、方法和套用，主要內容包括三部分：一是遙感圖像目標檢測理論和方法，主要闡述遙感圖像目標檢測的基本內涵、基於卷積神經網路的目標檢測方法；二是光學遙感圖像目標檢測，主要針對類別非均衡、目標尺度和旋轉不變性問題，分別設計了語義分割模型、尺度相關模型和旋轉卷積集成模型；三是星載SAR圖像艦船目標檢測，闡述了面向艦船目標檢測的SAR圖像預處理問題，重點針對檢測精度低、框線偏移和參數冗餘問題，設計了無錨框檢測模型、評分圖模型和知識蒸餾模型。

　　《基於深度學習的遙感圖像目標檢測》內容翔實、銜接有序、體系完備，既有助於讀者從專業方向上理解遙感圖像目標檢測的理論、方法和套用，又有助於讀者對於遙感圖像目標檢測的系統認識。

　　《基於深度學習的遙感圖像目標檢測》可作為遙感圖像目標檢測領域科學工作者、工程技術人員的參考書。

目錄

理論方法篇

第1章 概述

1.1 遙感的基本過程

1.2 遙感圖像類型及特點

1.3 遙感圖像目標檢測基本內涵

1.4 遙感圖像目標檢測研究現狀

1.5 遙感圖像目標檢測面臨的挑戰

第2章 基於深度學習的遙感圖像目標檢測基礎理論和方法

2.1 深度學習的發展與套用

2.2 卷積神經網路

2.3 基於卷積神經網路的目標檢測方法分析

2.4 遙感圖像目標檢測常用數據集

2.5 遙感圖像目標檢測評價指標

光學圖像篇

第3章 基於全卷積網路的光學遙感圖像均衡語義分割

3.1 問題分析

3.2 基於改進U形網路的語義分割方法

3.3 實例分析

3.4 小結

第4章 尺度相關的光學遙感圖像邊界框回歸檢測

4.1 問題分析

4.2 尺度相關的改進型YOLOv3模型

4.3 實例分析

4.4 小結

第5章 旋轉卷積集成的光學遙感圖像傾斜邊界框回歸檢測

5.1 問題分析

5.2 旋轉卷積集成的改進YOLOv3模型

5.3 實例分析

5.4 小結

SAR圖像篇

第6章 面向艦船目標檢測的SAR圖像預處理

6.1 基於自適應非局部均值的SAR圖像相干斑抑制

6.2 基於超像素合併的SAR圖像海陸分割

6.3 小結

第7章 基於全卷積網路的SAR圖像艦船目標檢測

7.1 問題分析

7.2 模型框架

7.3 算法實現

7.4 實例分析

7.5 小結

第8章 基於評分圖的SAR圖像艦船目標檢測

8.1 問題分析

8.2 模型框架

8.3 算法實現

8.4 實例分析

8.5 小結

第9章 基於知識蒸餾的SAR圖像艦船目標檢測模型輕量化壓縮

9.1 問題分析

9.2 基於通道權重量化的模型剪枝

9.3 基於特徵學習的知識蒸餾

9.4 實例分析

9.5 小結

第10章 結束語

參考文獻