基于Mask-RCNN的建筑物目标检测算法

针对在航空影像中,城区80%的人工目标物为建筑物和道路,建筑物是遥感影像中主要地物的类别,所以建筑物的检测会直接影响到地物提取的自动化水平这一问题。该文提出了一种基于Mask-RCNN的建筑物目标检测方法,是基于卷积神经网络思想,在深度学习框架下通过多线程迭代训练,将无人机影像作为训练样本,在卷积神经网络中得到目标特征再通过区域建议网络(RPN)与ROIAlign操作将特征输入不同的全连接分支。最后得到具优化的权重参数的目标检测模型。在不同场景图像中,该模型可以检测出建筑物目标。实验结果达到了预期要求,提高了航空影像中建筑物检测的准确性。