面向遥感目标检测的多尺度架构搜索方法

摘要

随着“智慧城市”概念的提出,遥感目标检测逐渐成为城镇的规划、建设和维护的重要方式。为了表征不同城市的差异化遥感特征,解决模型在不同尺度物体上泛化能力不均的问题,提出了一种基于混合分离卷积的金字塔架构搜索方法。首先,分析了遥感图像数据集的空间分布特征;然后,针对其特点构建多感受野混合卷积的搜索空间,进而训练其子网络内的权重;同时借助强化学习算法针对收敛的损失值序列,循环搜索特征提取单元的数量和结构;最终,当架构奖励函数稳定时,固定相应的架构参数和权重矩阵,从而在测试数据上可以自适应融合图像的跨尺度信息,提高同类目标在不同分辨率下的定位精度。该方法搜索出的网络在DIOR遥感数据集上的平均准确率为78.6%,比CornerNet高6百分点,比Cascade R-CNN高1.6百分点,其中小物体准确率比Cascade R-CNN高2.1百分点,并证实了多尺度架构搜索在遥感目标检测的优化能力。