AeroGen：利用扩散驱动的数据生成增强遥感目标检测
计算机视觉与模式识别
2025-02-25 v3
摘要
遥感图像目标检测(RSIOD)旨在识别和定位卫星或航空图像中的特定对象。然而，当前RSIOD数据集中标记数据的稀缺显著限制了当前检测算法的性能。虽然现有技术，如数据增强和半监督学习，能够在某种程度上缓解这一稀缺问题，但它们严重依赖于高质量的标记数据，在稀有目标类别中表现较差。为此，本文提出一种面向RSIOD的布局可控扩散生成模型，即AeroGen。我们了解为已知AeroGen是首个同时支持水平边界框和旋转边界框条件生成的模型，从而实现满足特定布局和对象类别要求的高质量合成图像的生成。此外，我们提出了一种端到端数据增强框架，将多样性条件生成器和过滤机制集成，以增强生成数据的多样性和质量。实验结果表明，我们的方法产生的合成数据质量高且多样。Furthermore，合成RSIOD数据可以显著提高现有RSIOD模型的检测性能，即在DIOR、DIOR-R和HRSC数据集上的mAP指标分别提高了3.7%、4.3%和2.43%。代码可在https://github.com/Sonettoo/AeroGen获取。
引用
@article{arxiv.2411.15497,
title = {AeroGen: Enhancing Remote Sensing Object Detection with Diffusion-Driven Data Generation},
author = {Datao Tang and Xiangyong Cao and Xuan Wu and Jialin Li and Jing Yao and Xueru Bai and Dongsheng Jiang and Yin Li and Deyu Meng},
journal= {arXiv preprint arXiv:2411.15497},
year = {2025}
}