一种基于Mask RCNN算法的遥感建筑物检测方法

摘要

本发明提供了一种基于Mask RCNN算法的遥感建筑物检测方法，具体包括：利用labelme工具对遥感数据进行标注；将标注好的数据集进行数据增强，并抽取其中一部分作为训练集，另一部分作为测试集；将训练集输入改进MaskRCNN算法的网络结构中进行训练，得到遥感数据检测模型；将测试集输入遥感数据检测模型进行检测，得到检测结果，并评价网络训练能力的优劣。本发明针对不规则建筑物检测难度大的现状，提出了基于深度学习的Mask RCNN改进算法，以修改RPN网络、改进mask掩膜为方向，得到一种适合不规则遥感建筑物检测的网络模型，加强了对不规则建筑物的检测分割能力，在满足了高检测精度的基础上，有效解决了遥感图像中不规则建筑物分割效果低的问题。