一种基于深度学习的光学遥感影像在轨目标检测方法

作     者：璩泽旭 方火能 肖化超 张佳鹏 袁玉 张超 QU Zexu;FANG Huoneng;XIAO Huachao;ZHANG Jiapeng;YUAN Yu;ZHANG Chao

作者机构：西安空间无线电技术研究所西安710000 

基　　金：国家自然科学基金资助项目(62171342) 

出 版 物：《空间控制技术与应用》 (Aerospace Control and Application)

年 卷 期：2022年第48卷第5期

页      码：105-115页

摘      要：针对遥感影像复杂的目标成像特性,采用传统的目标检测算法准确率低、鲁棒性不够的问题,提出了一种基于深度学习的光学遥感影像在轨目标检测方法.在硬件层面,设计了大规模可编程逻辑器件FPGA与多核DSP为构架的星上硬件处理平台,支持在轨目标检测网络参数上注重构功能,实现深度学习模型性能不断优化.在软件层面,采用模块化、参数化和并行流水等设计思想的软件架构和数据流,有效提升了算法实现的效率和可移植性.在算法层面,该方法在YOLOv3特征提取网络(DarkNet-53)的基础上引入深度分离卷积(depthwise separable convolution)以有效压缩模型参数与推理计算量.在检测阶段加入局部再检测模块以提升算法对密集目标的适应性.硬件实测结果表明,与目前常用的目标检测方法相比,该方法在处理速度和精度上都有较大的提升,目标检测精度高于90%,单元处理速度达到334.24FPS.同时支持飞机、舰船、车辆等典型目标的检测,为型号应用奠定基础.

主 题 词：遥感影像 目标检测 深度学习 YOLOv3 FPGA 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3969/j.issn.1674-1579.2022.05.012

馆 藏 号：203115470...