用于检测、分割与部件识别的航天器数据集
计算机视觉与模式识别
2021-06-16 v1
摘要
现代生活的几乎方方面面都依赖空间技术。得益于计算机视觉尤其是基于深度学习的技术的巨大进步，数十年来，世界见证了深度学习在解决空间应用问题中的日益广泛使用，例如自动驾驶机器人、追踪器、宇宙中的类昆虫机器人以及航天器健康监测。这些仅是借助深度学习推动航天产业发展的部分突出例子。然而，深度学习模型的成功需要大量训练数据以获得良好性能，而另一方面，可用于训练深度学习模型的公开空间数据集非常有限。目前尚无用于基于空间的物体检测或实例分割的公开数据集，部分原因是人工标注物体分割掩码非常耗时，因为它们需要像素级标注，更不必说从太空获取图像的挑战。本文旨在通过发布一个用于航天器检测、实例分割与部件识别的数据集来填补这一空白。本工作的主要贡献是利用空间站与卫星图像构建该数据集，其丰富标注包含航天器的边界框以及达到物体部件级别的掩码，这些标注通过自动流程与人工努力的混合方式获得。我们还使用物体检测与实例分割的最先进方法作为基准对该数据集进行了评估。所提数据集的下载链接可在 https://github.com/Yurushia1998/SatelliteDataset 找到。
引用
@article{arxiv.2106.08186,
title = {A Spacecraft Dataset for Detection, Segmentation and Parts Recognition},
author = {Dung Anh Hoang and Bo Chen and Tat-Jun Chin},
journal= {arXiv preprint arXiv:2106.08186},
year = {2021}
}