人工且有益——利用人工图像进行飞行器目标检测

航拍图像中的目标检测在环境、经济和基础设施相关任务中是一项重要工作。其中最突出的应用之一是车辆检测，深度学习方法正越来越多地用于该任务。此类方法面临的一个主要挑战是数据量有限，例如当需要检测农业和工程机械或工程车辆等更专业且更稀有的车辆时。这种数据匮乏与深度学习方法总体而言及目标识别具体而言的巨大数据需求形成鲜明对比。在本文中，我们在航拍图像中道路车辆检测的背景下解决此问题。为克服标注数据不足，我们提出一种生成式方法，通过将二维CAD图纸生成的人工车辆叠加在人工或真实背景上来生成俯视图像。我们使用改进的RetinaNet目标检测网络进行的实验表明，将这些图像添加到小型真实世界数据集中可显著提升检测性能。在真实世界图像极少甚至没有的情况下，我们观察到平均精度提升高达0.70个点。我们通过分析背景与物体的图像构成效应来解决与真实世界数据集之间剩余的性能差距，并揭示了背景的重要性。