用于基于深度学习的飞机检测基准数据集：HRPlanes
计算机视觉与模式识别
2024-06-12 v2 人工智能
摘要
由于图像中复杂的背景以及由传感器几何和大气效应引起的数据采集条件差异，从卫星影像中检测飞机是一项具有挑战性的任务。深度学习方法为飞机自动检测提供了可靠且准确的解决方案；然而，要获得有前景的结果需要大量的训练数据。在本研究中，我们利用来自Google Earth（GE）的图像并标注图像上每架飞机的边界框，创建了一个名为高分辨率飞机（HRPlanes）的新型飞机检测数据集。HRPlanes包含来自全球多个不同机场的GE图像，以代表从不同卫星获取的各种景观、季节和卫星几何条件。我们使用两种广泛使用的目标检测方法即YOLOv4和Faster R-CNN对数据集进行了评估。我们的初步结果表明，所提出的数据集可作为未来应用的宝贵数据源和基准数据集。此外，本研究提出的架构和结果可用于不同数据集和飞机检测模型的迁移学习。
引用
@article{arxiv.2204.10959,
title = {A benchmark dataset for deep learning-based airplane detection: HRPlanes},
author = {Tolga Bakirman and Elif Sertel},
journal= {arXiv preprint arXiv:2204.10959},
year = {2024}
}
备注
12 pages, 8 figures