卫星影像中深度学习目标检测模型的比较
计算机视觉与模式识别
2020-09-11 v1
摘要
本工作中，我们比较了若干最先进模型在商业电光卫星影像中检测油气压裂井与小汽车任务上的检测精度与速度。研究了来自单阶段、两阶段与多阶段目标检测技术族的若干模型。对于压裂井场（50m - 250m）的检测，我们发现单阶段检测器在提供优越预测速度的同时，也匹配了其两阶段与多阶段对应物的检测性能。然而，对于检测小汽车，两阶段与多阶段模型以一定速度为代价提供了显著更高的精度。我们还测量了滑动窗口目标检测算法的时间结果以提供比较基线。其中部分模型已被集成进 Lockheed Martin 全球可扩展自动目标识别（GATR）框架。
引用
@article{arxiv.2009.04857,
title = {A Comparison of Deep Learning Object Detection Models for Satellite Imagery},
author = {Austen Groener and Gary Chern and Mark Pritt},
journal= {arXiv preprint arXiv:2009.04857},
year = {2020}
}
备注
10 pages, 9 figures, 3 tables. 2019 IEEE Applied Imagery Pattern Recognition Workshop (AIPR)