弱標簽光學遙感圖像目標檢測研究
吳鑫//徐元元//賈麗娟//王越
- 出版商: 北京郵電大學
- 出版日期: 2025-07-01
- 售價: $468
- 語言: 簡體中文
- 頁數: 196
- ISBN: 756357588X
- ISBN-13: 9787563575886
-
相關分類:
影像辨識 Image-recognition、Computer Vision、Machine Learning
下單後立即進貨 (約4週~6週)
相關主題
商品描述
由於光學遙感影像的成像特性,影像中的目標常常面臨視角特殊性、背景覆雜性以及尺度和方向多樣性等問題,這使得標簽標註的覆雜度大幅增加。因此,本書聚焦於光學遙感圖像中的目標檢測技術,深入分析圖像中目標的特征及其對應的標簽問題,並歸納出三種常見的標簽情況,即標簽錯誤、標簽單一和標簽缺失,進而引出弱標簽的概念,並對每種標簽問題的現有解決方案及其局限性進行詳細探討。基於此,本書進一步提出了針對不同標簽問題的創新方法,並展示了相關實驗結果。此外,部分方法還在嵌入式設備上得到了驗證,這證明了本書在模型輕量化部署方面的適配性,具有重要的實際應用價值。本書旨在為遙感圖像目標檢測領域提供系統的理論支持。
目錄大綱
第1章 緒論
1.1 研究的背景和意義
1.2 光學遙感圖像目標檢測的研究現狀
1.2.1 基於模型驅動的傳統光學遙感圖像目標檢測
1.2.2 基於數據驅動的機器學習光學遙感圖像目標檢測
1.2.3 已公開的光學遙感圖像目標檢測數據集
1.2.4 光學遙感圖像目標檢測評估指標
1.3 本書研究內容
1.4 本書章節安排
第2章 光學遙感圖像目標檢測標簽問題分析
2.1 光學遙感圖像的發展
2.2 光學遙感圖像目標的特點
2.3 光學遙感圖像目標的標簽問題分析
2.3.1 弱標簽的定義
2.3.2 標簽錯誤問題分析
2.3.3 標簽單一問題分析
2.3.4 標簽缺失問題分析
本章小結
第3章 基於伽馬混合模型的光學遙感圖像目標清洗和檢測
3.1 引言
3.2 基於伽馬混合模型的目標清洗模型
3.2.1 伽馬混合模型參數估計
3.2.2 隱藏變量參數估計
3.2.3 伽馬子分布參數估計
3.2.4 標簽錯誤樣本的後驗概率估計
3.3 伽馬混合目標清洗模型在不同數據上的例證
3.3.1 伽馬混合目標清洗模型在二維數據上的例證
3.3.2 伽馬混合目標清洗模型在光學遙感圖像目標檢測上的例證
3.4 實驗數據與設置
3.4.1 實驗數據集
3.4.2 數據預處理與實驗環境
3.4.3 實驗設置
3.5 實驗結果與性能分析
3.5.1 對比方法描述
3.5.2 NWPU VHR數據集性能分析
3.5.3 TAS航攝車輛數據集的性能分析
3.5.4 敏感性分析
本章小結
第4章 基於空頻聯合的光學遙感圖像目標魯棒特征設計和檢測
4.1 引言
4.2 光學遙感圖像目標檢測子
4.2.1 空頻域通道特征
4.2.2 特征學習與精煉
4.2.3 分類器設計
4.2.4 快速特征尺度化檢測
4.3 實驗數據與設置
4.3.1 實驗數據集
4.3.2 數據預處理與實驗環境
4.3.3 實驗設置
4.4 實驗結果與性能分析
4.4.1 分類器的選擇
4.4.2 性能分析
4.4.3 敏感性分析
本章小結
第5章 基於多粒度角度表示方法的遙感圖像旋轉目標檢測
5.1 引言
5.2 基於錨框思想的單階段旋轉目標檢測框架
5.3 基於多粒度角度表示方法的旋轉框表征
5.3.1 粗粒度角度分類編碼分析
5.3.2 細粒度角度回歸編碼分析
5.3.3 損失函數
5.4 實驗數據與設置
5.4.1 實驗數據集
5.4.2 實驗預處理與實驗環境
5.5 實驗結果與性能分析
5.5.1 消融分析
5.5.2 對比實驗與分析
本章小結
第6章 基於任務解耦知識蒸餾的遙感圖像目標檢測
6.1 引言
6.2 無錯範式的遙感圖像方向多樣性目標基準框架
6.3 任務解耦知識蒸餾約束的方向多樣性目標檢測
6.3.1 檢測頭解耦蒸餾
6.3.2 角度-縱橫比實例離散量化權重
6.3.3 標簽分配蒸餾
6.3.4 損失函數
6.4 實驗數據與設置
6.4.1 實驗數據集
6.4.2 數據預處理與實驗環境
6.5 實驗結果與性能分析
6.5.1 消融分析
6.5.2 對比實驗與分析
6.5.3 多源圖像擴展實驗與分析
本章小結
第7章 多源主動微調網絡光學遙感圖像目標自動標註和檢測
7.1 引言
7.2 多源主動微調網絡
7.2.1 車輛樣本的遷移學習
7.2.2 基於多源數據的地面物體與地面的分離
7.2.3 主動深度車輛分類
7.3 實驗數據與設置
7.3.1 實驗數據集
7.3.2 數據預處理與實驗環境
7.3.3 實驗設置
7.4 實驗結果與性能分析
7.4.1 ISPRS Vaihingen數據集性能分析
7.4.2 ISPRS Potsdam數據集性能分析
7.4.3 SAI-LCS數據集性能分析
7.4.4 消融分析
7.4.5 分辨率分析
本章小結
第8章 總結及展望
8.1 總結
8.2 展望
參考文獻
