空间分辨率条件变化下的自动化航拍动物检测
计算机视觉与模式识别
2022-01-21 v1 机器学习
图像与视频处理
摘要
了解牲畜位置可实现优化管理和驱集。然而，澳大利亚农场面积广阔，意味着许多澳大利亚牲畜未被监测，这影响了农场利润、动物福利和环境。通过分析卫星影像进行有效动物定位与计数可克服这一管理障碍，但高分辨率卫星影像成本高昂。因此，为最小化成本，应选择能够实现准确牲畜检测的最低空间分辨率数据。在我们的工作中，我们确定了目标检测器性能与 cattle、sheep 和 dogs 空间退化之间的关联。利用高分辨率无人机图像建立精确真值，随后将其下采样至各种地面采样距离（GSD）。模拟了圆形和卡塞格林（cassegrain）孔径光学以生成对应于各种光学质量的点扩散函数（PSF）。通过模拟 PSF 而非将其近似为高斯，图像被准确退化以匹配卫星影像的空间分辨率和模糊结构。合并两个现有数据集并用于训练和测试 YoloV5 目标检测网络。发现检测器性能在约 0.5m/px 的 GSD 处急剧下降，并与该 GSD 区域内的 PSF 矩阵结构相关。在 0.5m/px GSD 下使用卡塞格林孔径而非圆形孔径时，检测器 mAP 性能下降 52%。当与 GSD 匹配时，总体模糊幅度影响较小，内部网络分辨率亦然。我们的结果在此为动物检测任务的遥感数据需求选择提供了依据，使农民和生态学家能够放心使用更易获取的中分辨率影像。
引用
@article{arxiv.2110.01329,
title = {Automated Aerial Animal Detection When Spatial Resolution Conditions Are Varied},
author = {Jasper Brown and Yongliang Qiao and Cameron Clark and Sabrina Lomax and Khalid Rafique and Salah Sukkarieh},
journal= {arXiv preprint arXiv:2110.01329},
year = {2022}
}
备注
20 pages, 9 figures, 4 tables in appendix