卫星视频中的深度车辆检测
计算机视觉与模式识别
2022-06-08 v2
摘要
本文提出了一种用于卫星视频中车辆检测的深度学习方法。由于车辆尺寸极小（4-10像素）且与背景相似，在单幅EO卫星图像中检测车辆几乎是不可能的。相反，我们考虑利用卫星视频，其通过车辆运动的时序一致性克服了空间信息不足的问题。我们提出了一种紧凑的 卷积神经网络的时空模型，该模型舍弃了池化层并使用leaky ReLU。然后，我们对输出热力图进行重构，包括使用非极大值抑制（NMS）进行最终分割。在两个新标注的卫星视频上的实证结果再次证实了该方法在车辆检测中的适用性。更重要的是，它们表明在WAMI数据上预训练，然后在新视频的少量标注视频帧上微调就足够了。在我们的实验中，仅用五幅标注图像就在展示比拉斯维加斯视频更复杂交通模式的新视频上获得了0.81的 分数。我们在拉斯维加斯上的最佳结果是0.87的 分数，这使得所提方法成为该基准的领先方法。
引用
@article{arxiv.2204.06828,
title = {Deep Vehicle Detection in Satellite Video},
author = {Roman Pflugfelder and Axel Weissenfeld and Julian Wagner},
journal= {arXiv preprint arXiv:2204.06828},
year = {2022}
}