基于深度学习的遥感图像目标检测技术研究进展

付涵,范湘涛,严珍珍,杜小平

Progress of Object Detection in Remote Sensing Images based on Deep Learning

Han Fu,Xiangtao Fan,Zhenzhen Yan,Xiaoping Du

表4 解决样本量少的目标检测方法

Table 4 The object detection methods of limited samples

文献 方法 特点 Zhou等[45]，2016；Zhong等[46]，2018；Dong等[47]，2019 迁移学习 将在大规模自然图像数据集上的训练模型用于遥感图像目标检测，并进行训练微调 Zhu等[18]，2020 数据增广 用生成对抗网络GAN产生新的数据集来训练模型 Han等[48]，2015 弱监督学习 提出了一种基于贝叶斯原理的弱监督学习框架，对弱标注的样本进行训练，通过迭代更新正样本集标签 Zhang等[49]，2015 弱监督学习 通过基于显著性自适应分割和负挖掘得到初始训练样本，然后通过迭代训练逐步细化训练样本 Zhou等[45]，2016 弱监督学习 提出了一种负样本自举的弱监督目标检测框架，基于显著性的自适应分割方法收集初始正样本，通过生成最可能的正样本和视觉上与正样本最相关的负样本来初始化训练样本，然后使用这些样本迭代训练检测器 Zhang等[50]，2016 弱监督学习 首先初始化训练样本，其次通过挖掘的负样本、标记样本以及辅助数据进行迭代训练，更新训练样本