多角度特徴駆動および多数決CNNを組み合わせた高空間解像度リモートセンシング画像における航空機検出

航空機は輸送手段および武器であり、リモートセンシング画像から検出することが重要な民間および軍事分野において重要です。しかし、航空機のポーズ、サイズ、位置の多様性と画像内のオブジェクトの多様性により、航空機を効果的に検出することは依然として課題です。現在、畳み込みニューラルネットワーク（CNN）に基づくターゲット検出手法は、リモートセンシング画像情報の十分な抽出と検出結果の後処理が欠けており、複雑で密なターゲットに直面したときに高い見逃し検出率と誤警報率を引き起こします。これらの問題に対処するために、我々は多角度特徴駆動と多数決戦略を組み合わせたFaster R-CNNに基づくターゲット検出モデルを提案しました。具体的には、入力画像を変換して画像内のターゲットの多角度特徴抽出を実現するための多角度変換モジュールを設計しました。さらに、モデルの最後に多角度特徴抽出の結果を扱うための多数決メカニズムを追加しました。この手法の平均精度（AP）は、公開データセットで94.82％、プライベートデータセットで95.25％に達し、Faster R-CNNよりそれぞれ6.81％および8.98％向上しました。実験結果は、この手法が航空機を効果的に検出でき、成熟したターゲット検出ネットワークよりも優れた性能を得られることを示しています。