少即是多：大尺寸航拍图像中的高效目标检测
计算机视觉与模式识别
2023-03-10 v2
摘要
当前大尺寸航拍图像的主流目标检测方法通常将大图切分为块，然后在所有块上穷举检测感兴趣目标，无论其中是否存在目标。该范式虽有效却低效，因为检测器不得不遍历所有块，严重阻碍推理速度。本文提出目标性激活网络（OAN）以帮助检测器聚焦于更少块，从而实现更高效推理与更精确结果，为大图目标检测提供简洁有效的方案。简言之，OAN 是一个轻量全卷积网络，用于判断每个块是否含目标，可轻松集成至多种目标检测器并与之端到端联合训练。我们在五个先进检测器上广泛评估 OAN。借助 OAN，五个检测器在三个大规模航拍图像数据集上均获得超过 30.0% 的加速，同时精度一致提升。在极大尺寸高分二号图像（2920027620 像素）上，我们的 OAN 将检测速度提升 70.5%。此外，我们将 OAN 扩展至驾驶场景目标检测与 4K 视频目标检测，分别在不损失精度下将检测速度提升 112.1% 与 75.0%。代码见 https://github.com/Ranchosky/OAN。
引用
@article{arxiv.2212.13136,
title = {Fewer is More: Efficient Object Detection in Large Aerial Images},
author = {Xingxing Xie and Gong Cheng and Qingyang Li and Shicheng Miao and Ke Li and Junwei Han},
journal= {arXiv preprint arXiv:2212.13136},
year = {2023}
}
备注
This manuscript is the accepted version for SCIENCE CHINA Information Sciences