基于 Mask Region 卷积神经网络的飞机检测

解决机场交通拥堵是遥感领域最关键且最具挑战性的任务之一，尤其是对于最繁忙的机场。根据飞机检测流程已采用若干方案来解决该问题。最有效的方案是通过使用卫星图像与深度学习技术。然而，此类方案成本高昂，且需要卫星与现代复杂技术，世界上大多数国家可能无法具备。本文提供了一种通用、低成本且快速的机场飞机检测方案。本文建议使用无人机替代卫星，利用所提出的深度学习模型以无人机图像输入系统。采用无人机图像作为数据集来训练与评估 mask region 卷积神经网络（RCNN）模型。Mask RCNN 模型以 faster RCNN 作为基础配置，并对其头部神经网络结构进行了关键修改。该模型检测是否存在飞机，并包含掩码估计以近似表面积与长度，这将有助于未来工作识别飞机类型。该方案可轻易在全球实施，因其为机场飞机检测的低成本快速方案。根据 Microsoft Common Objects in Context（COCO）指标，评估过程显示出有前景的结果。