航拍图像中的微小目标检测：归一化 Wasserstein 距离与新基准
计算机视觉与模式识别
2022-06-29 v1
摘要
航拍图像中的微小目标检测（TOD）具有挑战性，因为微小目标仅包含几个像素。由于判别性特征提供的监督不足，最先进的目标检测器在微小目标上无法给出令人满意的结果。我们的核心观察是，交并比（IoU）度量及其扩展对微小目标的位置偏差非常敏感，当用于基于锚的检测器时，这会严重恶化标签分配的质量。为解决这个问题，我们提出了一种称为归一化 Wasserstein 距离（NWD）的新评估度量，以及一种用于微小目标检测的基于排序的分配（RKA）新策略。所提出的 NWD-RKA 策略可轻松嵌入各类基于锚的检测器中以替换标准的基于 IoU 阈值的策略，显著改善标签分配并为网络训练提供充足的监督信息。在四个数据集上的测试表明，NWD-RKA 能持续大幅改善微小目标检测性能。此外，观察到航拍图像微小目标检测（AI-TOD）数据集中存在显著的噪声标签，我们细致地重新标注并发布了 AI-TOD-v2 及其对应基准。在 AI-TOD-v2 中，漏标和位置误差问题得到显著缓解，从而促进了更可靠的训练和验证过程。将 NWD-RKA 嵌入 DetectoRS，检测性能在 AI-TOD-v2 上比最先进的竞争对手提升了 4.3 个 AP 点。数据集、代码及更多可视化见：https://chasel-tsui.github.io/AI-TOD-v2/
引用
@article{arxiv.2206.13996,
title = {Detecting tiny objects in aerial images: A normalized Wasserstein distance and a new benchmark},
author = {Chang Xu and Jinwang Wang and Wen Yang and Huai Yu and Lei Yu and Gui-Song Xia},
journal= {arXiv preprint arXiv:2206.13996},
year = {2022}
}
备注
Accepted by ISPRS Journal of Photogrammetry and Remote Sensing