Joint-SRVDNet：联合超分辨率与车辆检测网络
计算机视觉与模式识别
2020-05-05 v1
摘要
在许多民用和军事应用中， aerial（空中）车辆检测与超分辨率算法通常是独立开发并应用的。然而，由于超分辨率图像中缺乏判别性信息，在超分辨率图像上进行空中车辆检测仍是一项具有挑战性的任务。为解决该问题，我们提出了一种联合超分辨率与车辆检测网络（Joint-SRVDNet），旨在从低分辨率航拍图像生成具有判别性的高分辨率车辆图像。首先，使用多尺度生成对抗网络（MsGAN）将航拍图像放大 4 倍，该网络具有多个分辨率递增的中间输出。其次，在由 MsGAN 架构放大 4 倍得到的超分辨率图像上训练检测器，最终将检测损失与超分辨率损失联合最小化，以促使目标检测器对后续的超分辨率训练保持敏感。该网络联合学习目标的分层与判别性特征，并生成最优的超分辨率结果。我们在 VEDAI、xView 和 DOTA 数据集上对所提网络进行了定量与定性评估。实验结果表明，我们提出的框架在 4 倍放大因子的空中超分辨率任务上取得了优于现有最优方法的视觉质量，并提升了空中车辆检测的精度。
引用
@article{arxiv.2005.00983,
title = {Joint-SRVDNet: Joint Super Resolution and Vehicle Detection Network},
author = {Moktari Mostofa and Syeda Nyma Ferdous and Benjamin S. Riggan and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:2005.00983},
year = {2020}
}