基于生成对抗网络的遥感光学影像舰船样本仿真OA北大核心CSTPCD

基于遥感数据获取的真实舰船数据集数量非常有限,难以满足深度学习算法训练对样本数量的需求。针对此问题,利用三维模型和能够进行风格迁移的生成对抗网络,提出一种高质量的包含舰船目标的三波段光学高分辨率遥感图像仿真方法。基于构建的数据集,进行仿真样本的生成及评估。研究结果表明,该方法能够合成在视觉上接近真实影像的图像,通过加入合成样本对目标检测模型进行训练,可以使Faster-RCNN和YOLOv5的全类平均正确率mAP分别提升2.6%和2.3%。