遥感图像目标检测学习笔记

此段摘自https://www.cnblogs.com/geo-will/p/11032342.html
目前，基于大数据的高分影响的目标检测是遥感图像处理领域的重要研究方向。传统的目标检测识别方法难以适应海量数据，其所依赖的特征表达式通过人工设计的，这样非常好事，并且强烈依赖于专业知识和数据本身的特征，而且很难从海量的数据中学习出一个有效的分类器以充分挖掘数据之间的关联。而深度学习强大的高级（更具抽象和语义意义）特征表示和学习的能力可以为影像中的目标提取提供有效的框架。

相关研究包括车辆检测，船舶检测，农作物检测，建筑物等地物检测。检测模型除了传统CNN之外，还有基于混合CNN模型，基于超像素分割和弱监督学习等方式。

高分影像中深度学习的目标检测模型，主要包括两个部分：

1. 通过深度学习建立目标表征。从图像像素开始，建立图像的深度学习网络，通过逐层学习得到图像的表达。为了更加有效表达目标，对深度网络的每层赋予一定意义。
2. 利用上下文信息调整深度网络。得到图像表达后，利用目标标记、目标上下文、场景上下文信息对深度网络权值进行调整，通过上下文交互增强深度网络的判别能力，提高目标检测性能。