1. 标题

Aircraft detection in remote sensing image based on corner clustering and deep learning

遥感图像中基于角点聚类和CNN的飞机检测

2. 成果信息

Liu Qiangwei, Xiang Xiuqiao（2020). Aircraft detection in remote sensing image based on corner clustering and deep learning. Engineering Applications of Artificial Intelligence. 87: 103333

http://doi.org/10.1016/j.engappai.2019.103333

3. 成果团队成员

刘强威 硕士生 中国地质大学（武汉）地理与信息工程学院

向秀桥 博士，副教授，中国地质大学（武汉）地理与信息工程学院

研究方向：机器学习，计算机视觉

邮箱：xiangxq0005@126.com

4. 成果介绍

遥感飞机检测在民用和军事上都具有重要意义，由于飞机类型、姿态、尺寸和复杂背景的变化，很难对飞机进行有效的检测。经典的飞机检测算法仍然会产生数千个候选区域，并手动提取候选区域的特征，这影响检测性能。针对这些问题，本文提出了一种基于角点聚类和卷积神经网络的飞机检测方案。该方案分为两个主要步骤：区域建议和分类。首先，利用均值漂移聚类算法对二值图像中检测到的角点进行聚类，生成候选区域；然后利用CNN对可能包含飞机的候选区域进行特征提取和分类，进一步筛选后确定飞机的位置。与其他经典方法如选择性搜索（SS）+CNN、边缘盒+CNN、方向梯度直方图（HOG）+支持向量机（SVM）等进行了比较，本文方法能够从大量的数据中自动学习目标的基本特征，产生较少的高质量候选区域，具有较高的检测精度和效率。

Fig. 1. The proposed framework for aircraft detection in remote sensing images.

Fig.2. Detection results of the proposed method in NWPU VHR-10 dataset.