基于极坐标模板掩膜遥感图像中舰船单帧实例快速分割
计算机视觉与模式识别
2020-08-31 v1
摘要
遥感图像中的目标检测与实例分割是一项基础且具有挑战性的任务，其难点源于场景与目标的复杂性。最新方法试图兼顾实例分割的效率与精度。为同时提升二者，本文提出一种概念简单直观的单阶段卷积神经网络结构，并弥补了单阶段网络精度偏低的问题。我们所提方法称为 SSS-Net，其基于目标中心位置及中心到以非均匀角度间隔采样的轮廓上点的距离来检测目标，从而在掩膜生成中实现轮廓线的均衡采样。此外，我们提出了一种基于极坐标下轮廓模板的非均匀极坐标模板 IoU。在 Airbus Ship Detection Challenge 数据集与 ISAIDships 数据集上的实验表明，SSS-Net 在舰船实例分割的精度与速度上均具强竞争力。
引用
@article{arxiv.2008.12447,
title = {Fast Single-shot Ship Instance Segmentation Based on Polar Template Mask in Remote Sensing Images},
author = {Zhenhang Huang and Shihao Sun and Ruirui Li},
journal= {arXiv preprint arXiv:2008.12447},
year = {2020}
}