面向高分辨率遥感影像车辆检测的深度学习模型综述及适应性研究

吕雅楠, 朱红, 孟健, 崔成玲, 宋其淇

A review and adaptability study of deep learning models for vehicle detection based on high-resolution remote sensing images

LYU Yanan, ZHU Hong, MENG Jian, CUI Chengling, SONG Qiqi

表2 单阶段遥感影像车辆目标检测对比

Tab.2 Comparison of one-stage remote sensing image vehicle target detection

模型 优点 缺点 检测精度 YOLO[40] 基于K-means算法重新计算锚框大小,提高小目标检测精度 数据来源单一,难以应用于其他类型数据 自制Google Earth数据集上精度为 0.95 YOLT[41] 对遥感影像进行有重叠区域的裁剪,确保目标信息完整性 裁剪后的图像具有重叠区域,存在较多冗余计算 自制遥感影像数据集上精度为0.9 YOLOv3[42] 减少特征提取网络层数,增加精细输出特征图来检测小目标 数据集规模较小,鲁棒性较差 自制高分二号卫星影像数据集上精度为0.743 Oriented_SSD[43] 引入目标的角度偏移量,实现车辆角度信息预测 虽实现了角度信息的预测,但精度较低 DLR数据集上精度为0.86; VEDAI数据集上精度为0.8