基于生成对抗网络的遥感光学影像舰船样本仿真

基于遥感数据获取的真实舰船数据集数量非常有限,难以满足深度学习算法训练对样本数量的需求.针对此问题,利用三维模型和能够进行风格迁移的生成对抗网络,提出一种高质量的包含舰船目标的三波段光学高分辨率遥感图像仿真方法.基于构建的数据集,进行仿真样本的生成及评估.研究结果表明,该方法能够合成在视觉上接近真实影像的图像,通过加入合成样本对目标检测模型进行训练,可以使Faster-RCNN和YOLOv5的全类平均正确率mAP分别提升2.6％和2.3％....

Full description

Saved in:
Bibliographic Details
Published in北京大学学报（自然科学版） Vol. 60; no. 5; pp. 883 - 892
Main Authors 冀锐, 马磊, 张靖, 王卫红, 郭祉辀, 万献慈, 肖蕾, 万玮
Format Journal Article
LanguageChinese
Published 北京大学地球与空间科学学院,北京 100871%中国电子科技集团公司电子科学研究院,北京 100041%北京大学地球与空间科学学院,北京 100871 20.09.2024
大连理工大学城市学院,大连 116630
Subjects
仿真样本
generative adversarial networks
deep learning
舰船目标检测
生成对抗网络
synthetic samples
高分辨率光学影像
深度学习
high-resolution optical image
ship detection
Online AccessGet full text
ISSN0479-8023
DOI10.13209/j.0479-8023.2024.067

Cover

More Information
Summary:基于遥感数据获取的真实舰船数据集数量非常有限,难以满足深度学习算法训练对样本数量的需求.针对此问题,利用三维模型和能够进行风格迁移的生成对抗网络,提出一种高质量的包含舰船目标的三波段光学高分辨率遥感图像仿真方法.基于构建的数据集,进行仿真样本的生成及评估.研究结果表明,该方法能够合成在视觉上接近真实影像的图像,通过加入合成样本对目标检测模型进行训练,可以使Faster-RCNN和YOLOv5的全类平均正确率mAP分别提升2.6％和2.3％.
ISSN:0479-8023
DOI:10.13209/j.0479-8023.2024.067