内容简介
本书系统地介绍了与深度学习相关的基础知识及常用的遥感图像目标检测算法。第1章介绍了遥感图像目标检测的研究现状及发展趋势，让读者对遥感图像目标检测的任务及面临的挑战有了初步的认识。第2章介绍了深度学习相关理论，帮助读者熟悉以卷积神经网络为代表的深度学习基础知识。第3～12章介绍了基于深度特征提取的遥感图像目标检测算法，主要针对背景干扰大、尺度变化大、小目标数量大、模型计算量大和方向不确定性大等问题，分别构建了高精度、高鲁棒、高速度和低复杂度的目标检测模型。
本书内容翔实、衔接有序、体系完备，既有助于读者从专业方向上理解遥感图像目标检测的理论、方法和应用，又有助于读者对遥感图像目标检测进行系统认识。本书可作为遥感图像目标检测领域科研工作者和工程技术人员的参考书。
目录介绍
目录
第1章绪论1
1.1研究背景及意义1
1.2国内外研究现状4
1.2.1基于传统图像处理的目标检测方法4
1.2.2基于深度学习的目标检测方法7
1.2.3面临的难点和挑战16
1.3研究目标、研究内容及组织结构17
1.3.1研究目标17
1.3.2研究内容18
1.3.3组织结构21
第2章
深度学习相关理论24
2.1卷积神经网络24
2.1.1卷积层25
2.1.2激活函数层25
2.1.3池化层26
2.1.4全连接层27
2.1.5批量归一化层28
2.1.6丢弃层28
2.1.7常见的卷积神经网络29
2.2特征融合结构32
2.3注意力机制32
2.4轻量化网络设计35
2.5旋转框表示36
2.6遥感图像目标检测常用数据集39
2.7常用评价指标45
本章小结46
基于深度学习的遥感图像目标检测
｜目录｜
第3章
基于关键信息增强的遥感目标检测算法48
3.1研究动机48
3.2基于关键信息增强的遥感目标检测网络框架49
3.2.1主干网络50
3.2.2多尺度特征融合51
3.2.3高效激活检测头52
3.2.4损失函数54
3.3实验与结果分析54
3.3.1实验环境与数据集54
3.3.2参数设置与评价方法56
3.3.3实验一：消融实验及分析56
3.3.4实验二：对比实验及分析59
3.3.5实验三：检测结果可视化及分析60
本章小结61
第4章
基于自适应相邻上下文协调的遥感目标检测算法63
4.1研究动机63
4.2基于自适应相邻上下文协调的遥感
目标检测网络框架64
4.2.1复合快速傅里叶卷积65
4.2.2全局上下文信息增强模块66
4.2.3自适应相邻上下层协调网络67
4.3实验结果及分析68
4.3.1数据集68
4.3.2参数设置与评估指标70
4.3.3实验一：消融实验及分析71
4.3.4实验二：对比实验及分析74
4.3.5实验三：检测结果可视化及分析76
本章小结76
第5章
基于自适应特征选择金字塔的遥感目标检测算法78
5.1研究动机78
5.2基于自适应特征选择金字塔的
遥感目标检测网络框架79
5.2.1轻量化主干网络79
5.2.2自适应特征选择模块80
5.2.3混合感受野模块81
5.3实验结果及分析83
5.3.1数据集与实验条件83
5.3.2参数设置与评估指标83
5.3.3实验一：消融实验及分析83
5.3.4实验二：对比实验及分析84
5.3.5实验三：检测结果可视化及分析87
本章小结87
第6章
基于多尺度信息挖掘和双路径注意力的遥感目标检测算法89
6.1研究动机89
6.2基于多尺度信息挖掘和双路径注意力的
遥感目标检测网络框架90
6.2.1网络概述90
6.2.2多尺度信息挖掘模块91
6.2.3深层浅层特征融合模块92
6.2.4双路径注意力机制93
6.3实验结果及分析94
6.3.1实验细节94
6.3.2消融实验94
6.3.3与现有先进算法的比较96
6.3.4可视化结果98
本章小结99
第7章
基于目标补偿和背景分离策略的遥感目标检测算法100
7.1研究动机100
7.2基于目标补偿和背景分离策略的
遥感目标检测网络框架101
7.2.1有效的定位注意力102
7.2.2目标补偿策略103
7.2.3背景分离策略104
7.3实验结果及分析105
7.3.1实验细节106
7.3.2消融实验106
7.3.3与现有先进算法的比较108
7.3.4可视化检测结果111
第8章
基于Transformer改进YOLOX的遥感目标检测算法113
8.1研究动机113
8.2基于Transformer改进YOLOX的
遥感目标检测网络框架114
8.2.1坐标注意力114
8.2.2Transformer检测头116
8.3实验结果及分析117
8.3.1实验细节117
8.3.2消融实验117
8.3.3与现有先进算法的比较118
本章小结120
第9章
基于细化上下文特征的遥感目标检测算法121
9.1研究动机121
9.2基于细化上下文特征的遥感
目标检测网络框架121
9.2.1“注重浅层特征”的主干网络122
9.2.2强化空间注意力金字塔123
9.2.3自适应稀疏卷积模块126
9.3实验结果及分析127
9.3.1实验设置127
9.3.2消融实验128
9.3.3对比实验129
本章小结132
第10章
基于双重标签分配策略的遥感有向目标检测算法133
10.1研究动机133
10.2基于双重标签分配策略的遥感
有向目标检测网络框架135
10.2.1特征增强模块136
10.2.2定位指导分类模块138
10.2.3分配策略和损失函数140
10.3实验结果及分析141
10.3.1数据集及参数设置141
10.3.2消融实验及分析141
10.3.3对比实验及分析143
10.3.4检测结果可视化及分析146
本章小结147
第11章
基于距离敏感标签分配策略的遥感有向目标检测算法149
11.1研究动机149
11.2基于距离敏感标签分配策略的遥感
有向目标检测网络框架151
11.2.1椭圆区域采样策略152
11.2.2动态正样本阈值153
11.2.3距离控制补偿损失153
11.3实验结果及分析155
11.3.1数据集及参数设置155
11.3.2消融实验及分析155
11.3.3对比实验157
本章小结161
第12章
基于形状感知标签分配策略的遥感有向目标检测算法 162
12.1研究动机162
12.2基于形状感知标签分配策略
的检测算法164
12.2.1形状感知标签分配策略(SALA)166
12.2.2精细特征对齐模块(RFAM)168
12.2.3损失函数171
12.3实验结果及分析171
12.3.1消融实验171
12.3.2超参数的计算177
12.3.3对比实验179
本章小结186
第13章
结束语187
参考文献189