遥感图像中密集目标的计数
计算机视觉与模式识别
2020-02-17 v1
摘要
从给定图像中估计感兴趣目标的准确数量是具有挑战性却重要的任务。已有大量工作致力于解决该问题并取得很大进展，但从遥感图像中计数地面目标的研究极少。本文关注从遥感图像中计数密集目标。与自然场景中的目标计数相比，该任务的挑战在于：大尺度变化、复杂杂乱背景以及方向任意性。更重要的是，数据匮乏严重限制了该领域研究的发展。为解决这些问题，我们首先构建了基于遥感图像的大规模目标计数数据集，包含四类目标：建筑物、港口密集船只、停车场大型车辆与小型车辆。随后，我们设计了一种新颖的神经网络对该数据集进行基准测试，该网络可生成输入图像的密度图。所提网络由三部分组成：卷积块注意力模块（CBAM）、尺度金字塔模块（SPM）和可变卷积模块（DCM）。在提出的数据集上的实验及与SOTA方法的对比，证明了该数据集的挑战性，以及我们方法的优越性与有效性。
引用
@article{arxiv.2002.05928,
title = {Counting dense objects in remote sensing images},
author = {Guangshuai Gao and Qingjie Liu and Yunhong Wang},
journal= {arXiv preprint arXiv:2002.05928},
year = {2020}
}