基于深度多示例学习的高分辨率影像飞机检测
计算机视觉与模式识别
2020-11-03 v2
摘要
航拍影像中的飞机自动检测具有多种应用价值。该任务的两个主要挑战是飞机尺度与方向的变化。为解决这些挑战，我们提出了一种旋转与尺度不变的飞机候选框生成器。我们称该生成器为对称线段（SLS），其基于俯视视角下飞机对称且规则的边界而开发。随后，生成的候选框用于训练深度卷积神经网络以剔除非飞机候选框。由于每架飞机可对应多个 SLS 候选框，其中部分并非沿机身方向，我们将对应于同一真实标注的所有候选框收集为一个正包，其余作为负实例。为实现多示例深度学习，我们修改了网络的损失函数，使其从每个正包中至少学习一个实例以及所有负实例。最后，我们采用非极大值抑制去除重复检测。在 NWPU VHR-10 与 DOTA 数据集上的实验表明，我们的方法是非常高分辨率影像中飞机自动检测的一种可行方案。此外，我们利用框级标注估计飞机方向，作为一项额外成果。
引用
@article{arxiv.1808.06178,
title = {Deep Multiple Instance Learning for Airplane Detection in High Resolution Imagery},
author = {Mohammad Reza Mohammadi},
journal= {arXiv preprint arXiv:1808.06178},
year = {2020}
}
备注
12 pages, 12 figures, 5 tables