Современные основные алгоритмы обнаружения объектов на изображениях дистанционного зондирования зависят от развития технологий глубокого обучения. Во время обучения модели увеличение данных обучающего набора является важным методом для улучшения обобщающей способности модели. Текущие методы увеличения изображений для алгоритмов обнаружения объектов на изображениях дистанционного зондирования в основном используют общие методы увеличения для обнаружения объектов, существует насущная необходимость в разработке методов увеличения, ориентированных на особенности целей дистанционного зондирования. В данной статье предлагается метод увеличения на основе замены похожих объектов в изображениях дистанционного зондирования, разработан процесс увеличения с заменой похожих объектов, который включает создание библиотеки образцов, классификацию похожих классов, поиск похожих образцов и предварительную обработку замены образцов для классификации похожих объектов в наборе данных. Во-первых, создается библиотека всех образцов обучающего набора и собирается информация о классах образцов; во-вторых, классы объектов в обучающем наборе разделяются на похожие классы; затем, для решения проблемы дисбаланса количества образцов в наборе данных разработан механизм компенсации малочисленных образцов, который контролирует вероятность выборки образцов для балансировки пропорций обучения данных; наконец, разработан механизм предварительной обработки замены образцов, который для разных классов объектов использует подходящие методы трансформации в качестве методов предварительной обработки образцов. Эксперименты на наборе данных DOTA показали, что использование алгоритма увеличения с заменой похожих объектов привело к увеличению значения mAP алгоритма обнаружения DCL на 1.34 по сравнению с базовой линией, повысилась точность предсказания модели для похожих классов и улучшились возможности обнаружения объектов для классов с меньшим количеством образцов.

изображения дистанционного зондирования;обнаружение объектов;увеличение данных;замена похожих объектов