中国科学院南海海洋研究所、广东省海洋遥感重点实验室（LORS）副主任陈楚群研究团队与首都师范大学北京市成像技术高精尖创新中心合作的最新成果在国际遥感SCI期刊《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》（中科院JCR分区二区，2017-2018年的影响因子为2.777）在线发表。

　　Yibo Liu, Zhenxin Zhang, Ruofei Zhong, Dong Chen, Yinghai Ke, Jiju Peethambaran, Chuqun Chen, Lan Sun. 2018.  "Multi-level Building Detection Framework in Remote Sensing Images Based on Convolutional Neural Networks”, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing.（论文全文链接https://ieeexplore.ieee.org/document/8458225/） 

　　论文设计采用了深度学习卷积神经网络的方法来处理高分辨率遥感影像，通过构建多层次遥感图像金字塔模型来生成多层次训练数据，增强了网络模型对遥感图像特征提取的鲁棒性，提高了对遥感图像中不同尺度和分辨率的建筑物目标检测的准确性。论文中还设计改进了目标检测网络，建立了候选建筑物区域提取网络来提高对建筑物目标检测的效率和精度，利用多层次卷积神经网络来进行遥感图像的特征提取，并将多层次卷积神经网络提取的特征进行组合输出到检测器的类别得分和边框回归模块，形成了端到端的处理过程。通过部署的高性能深度学习服务器加速整个网络模型的训练和推理过程。论文结果如图1、2所示。

　　本论文的研究为处理遥感图像方法提供了新的技术思路和技术支撑，该方法可用于海上动目标的监测及海面环境感知等，并为目标的变化检测等提供一定的基础。 

　　图1 建筑探测结果（1） 

　　图1 建筑探测结果（2） 

　　该论文是广东省海洋遥感重点实验室2018年开放基金项目（2017B030301005）资助完成的SCI论文。该课题“基于深度学习理论的高分遥感影像变化检测方法研究（LORS1804）”联合负责人为首都师范大学北京市成像技术高精尖创新中心张振鑫博士和广东省海洋遥感重点实验室陈楚群研究员。