基于深度学习的多尺度导弹发射井目标检测*

孟曦婷，计璐艳，赵永超，杨炜暾

(中国科学院空天信息创新研究院 中国科学院空间信息处理与应用系统技术重点实验室，北京 100094； 中国科学院大学，北京 100049)

遥感图像目标检测是遥感领域研究的热点问题之一，在军事侦察、地质勘探、城市建设等多个领域发挥着重要作用。军事目标检测是遥感图像目标检测的一个重要分支。在军事目标中，导弹发射井[1-3]作为导弹发射阵地的主要样式，是重要的军事目标之一。发射井目标检测的研究可以在军事侦察和战略部署等方面为国防项目提供帮助与支持。发射井目标检测任务具有以下2个特点：1)样本数量少，没有已标注的可用于研究的数据集；2)发射井在不同分辨率的遥感图像中呈现多尺度的特性。目前针对发射井目标检测方面的相关研究甚少，研究如何针对导弹发射井进行检测具有重要意义。

针对上述问题，本文提出导弹发射井目标检测研究方法。首先，构建首个发射井目标检测数据集，实现从无到有的突破，可以为后续相关领域的研究提供支持。其次，设计一个适用于多尺度发射井目标检测任务的检测模型，有效解决了导弹发射井目标检测问题，检测效果良好。最后，在公开遥感数据集上对模型进行测试，证明该方法在其他遥感图像场景同样适用。

1 研究现状

传统的目标检测算法是通过滑动窗口遍历整幅图像，从而获取目标可能存在的区域，然后对这些区域进行特征提取……