基于深度学习的高分辨率图像的智能检测

针对高分辨率图像下目标所占面积小,检测效果较低、实时性较差的问题。提出了一种基于LDCF-ResNet50的深度学习模型检测方法。以行人检测为例说明此方法的有效性。首先基于局部无关通道特征的预测提议区域,对行人潜在区域粗检测。然后,设计候选区域合并和扩展方法,将合并后的区域用于后面的ResNet-50神经网络。其次,设计了一个合适的ResNet-50网络,用于精确检测该区域。最后将ResNet-50网络的检测结果映射到原始图像中,输出检测结果。为了验证本文所提方法的有效性,在清华-戴姆勒数据库平台上对高分辨率图像进行实验验证。实验结果表明,所提出方法能够有效地检测行人。与主流的算法(包括Faster R-CNN,YOLOv3和SSD)相比,本文方法对行人检测的平均精度分别提高了4.07%、17.79%和31.45%。