航拍图像中的聚类目标检测
计算机视觉与模式识别
2019-08-28 v3
摘要
在航拍图像中检测目标具有挑战性，原因至少有二：（1）行人等目标物体在像素上非常小，使其难以与周围背景区分开来；（2）目标通常稀疏且非均匀分布，使得检测非常低效。在本文中，受这些目标通常呈聚类分布这一观察的启发，我们同时解决了这两个问题。具体而言，我们提出了一种聚类检测网络，将目标聚类与检测统一在一个端到端框架中。ClusDet 的关键组件包括聚类提议子网络、尺度估计子网络和专用检测网络。给定输入图像，CPNet 生成目标聚类区域，ScaleNet 估计这些区域的目标尺度。然后，将每个尺度归一化的聚类区域输入 DetecNet 进行目标检测。与先前的解决方案相比，ClusDet 具有几个优势：（1）它大大减少了用于最终目标检测的图像块数量，从而实现了高运行时间效率；（2）基于聚类的尺度估计比先前使用的基于单目标的估计更准确，从而有效改善了对小目标的检测；（3）最终的 DetecNet 专用于聚类区域，并隐式建模了先验上下文信息，从而提升检测精度。所提出的方法在三个流行的航拍图像数据集上进行了测试，包括 VisDrone、UAVDT 和 DOTA。在所有实验中，与最先进的检测器相比，ClusDet 取得了令人满意的性能。代码将在 \url{https://github.com/fyangneil} 提供。
引用
@article{arxiv.1904.08008,
title = {Clustered Object Detection in Aerial Images},
author = {Fan Yang and Heng Fan and Peng Chu and Erik Blasch and Haibin Ling},
journal= {arXiv preprint arXiv:1904.08008},
year = {2019}
}