تشخیص هواپیما با استفاده از الگوریتم Faster R-CNN در تصاویر ماهواره ای

این مقاله یک روش برای تشخیص هواپیما در تصاویر سنجش از راه دور با استفاده از الگوریتم Faster R-CNN ارائه می دهد. مجموعه داده نمونه تشخیص هواپیماهای Airbus استفاده شد، که شامل تصاویر ماهواره ای از فرودگاههای سراسر جهان با جعبه های محدود کننده هواپیماها مشخص شده است . الگوریتم Faster R-CNN به دلیل عملکرد برتر خود در وظایف تشخیص اشیاء انتخاب شد. بخش روش شرح می دهد که چگونه تکنیک Roi pooling استفاده شده در الگوریتم ، ویژگی ها را از نقشه ویژگی استخراج می کند و آنها را به منطقه های مورد نظر اعمال می کند. همچنین ، آموزش و توابع تلفات نیز بحث شده است ، از جمله تابع تلفات چند وظیفه ای استفاده شده برای آموزش .RPN مدل با استفاده از یک ستون اصلی ۵۰Resnet، بهینه ساز SGD با ۹۹,۰ momentum و نرخ یادگیری ۰۰۱,۰ آموزش داده شد. مدل برای ۲۰ دوره با اندازه دسته ۴ آموزش داده شد و آستانه تشخیص به ۷,۰ تنظیم شد. نتایج نشان می دهد دقت ۹۹۴,۰ و بازخوانی ۹۵۴,۰ است .

کلیدواژه ها:

شناسایی هدف ، یادگیری عمیق ، Faster R-CNN ، شناسایی هواپیما