《Multi-scale object detection in remote sensing imagery with convolutional neural networks》的阅读

论文简介：这篇文章2018年发表的SCI，论文机构国防科技大学，内容是关于多目标检测。

存在的问题：

• 识别对象的尺寸大小不一
• 在大尺度遥感图像中识别目标显的小且密集的聚集在一起
• 人工标注的训练数据不充足

解决的方法：

• 重新设计特征提取器，采用了Concatenated ReLU和Inception模块
• multi-scale object proposal network (MS-OPN，多尺度对象候选网络)和an accurate object detection network(AODN，精确目标检测网络)
• 剪裁、缩放、旋转图像

设计卷积特征的提取器

　　我们希望通道数减少，这样权重就减少了；也希望卷积层数增加，这样可以提取到更多的特征。为了做到这一点使用了：C.ReLu和Inception模块。

　　C.ReLu

　　　　

　　Inception模块

　　　　聚集多个带有不同大小卷积核的卷积层组成一个单元，可以实现在不增加计算量的情况下，提高网络的宽度和深度。也可学习到不同尺寸对象这一特征。

 Multi-scale object proposal network (MS-OPN)