应用于卫星数据目标检测的超分辨率与最近邻插值比较
计算机视觉与模式识别
2019-07-12 v1 机器学习
图像与视频处理
机器学习
摘要
随着超分辨率（SR）作为一个研究课题的成熟，它已被应用于图像重建之外的其他主题。特别是，将分类或目标检测任务与超分辨率预处理阶段相结合，已提高了准确性，尤其是对于相对于场景较小的物体。尽管SR已显示出前景，但将SR和朴素上采样方法（如最近邻（NN）插值）作为目标检测预处理步骤应用的比较研究尚未进行。我们将该主题应用于卫星数据，并在xView挑战数据集上将多尺度深度超分辨率（MDSR）系统与NN进行比较。为此，我们提出一种处理卫星数据的流水线，其结合了多阶段图像分块与上采样、YOLOv2目标检测架构以及标签拼接。我们比较了使用4倍上采样因子训练模型的效果，将图像从30cm地面采样距离（GSD）上采样到7.5cm的有效GSD。该因子上采样显著改善了检测结果，将通用车辆类的平均精度（AP）提高了23%。我们证明，虽然SR生成的上采样图像比其NN对应图像在视觉上更令人满意，但目标检测网络对使用NN上采样的图像与使用MDSRx4增强图像的准确性差异很小，两种方法之间的AP差异为0.0002。
引用
@article{arxiv.1907.05283,
title = {A Comparison of Super-Resolution and Nearest Neighbors Interpolation Applied to Object Detection on Satellite Data},
author = {Evan Koester and Cem Safak Sahin},
journal= {arXiv preprint arXiv:1907.05283},
year = {2019}
}