基于 CNN 的通过旋转边界框在 HR 光学遥感图像中精确舰船检测的新方法
计算机视觉与模式识别
2021-08-27 v2
摘要
目前，光学遥感图像中可靠且准确的舰船检测仍具挑战性。即便最先进的基于卷积神经网络（CNN）的方法也无法取得非常满意的结果。为更准确地定位不同朝向的舰船，一些近期方法通过旋转边界框进行检测。然而，这进一步增加了检测难度，因为算法中必须准确预测舰船朝向这一额外变量。本文提出一种新颖的基于 CNN 的舰船检测方法，克服了当前基于 CNN 的方法在舰船检测中的一些常见缺陷。具体而言，为生成旋转区域提议，当前方法须预定义多朝向锚框，并在一次回归中共同预测所有未知变量，限制了整体预测质量。相比之下，基于舰船目标在遥感图像中近乎旋转不变的观察，我们能够借助新颖的双分支回归网络独立且更有效地预测朝向与其他变量。接下来，提出一种形状自适应池化方法，以克服典型规则 ROI 池化在提取不同长宽比舰船特征时的局限。此外，我们提出通过空间可变自适应池化融合多级特征。这种称为多级自适应池化的新方法产生了更适用于舰船同步分类与定位的紧凑特征表示。最后，对所提方法给出详细的消融研究及一些有用见解。实验结果证明了所提方法在舰船检测中的巨大优越性。
引用
@article{arxiv.2004.07124,
title = {A Novel CNN-based Method for Accurate Ship Detection in HR Optical Remote Sensing Images via Rotated Bounding Box},
author = {Linhao Li and Zhiqiang Zhou and Bo Wang and Lingjuan Miao and Hua Zong},
journal= {arXiv preprint arXiv:2004.07124},
year = {2021}
}