基于多尺度卷积网络的高分辨率遥感影像局部感知旋转舰船检测
计算机视觉与模式识别
2020-07-27 v1
摘要
舰船检测十年来一直是遥感领域一个活跃且至关重要的课题，但由于存在大尺度变化、高长宽比、密集排列和背景杂波干扰等问题，它仍然是一个具有挑战性的任务。本文提出了一种基于多尺度卷积神经网络（CNN）的局部感知旋转舰船检测（LARSD）框架来解决这些问题。该框架应用一个类UNet的多尺度CNN来生成具有高分辨率高级语义信息的多尺度特征图。然后，应用基于旋转锚框的回归直接预测舰船的概率、边缘距离和角度。最后，提出了一种局部感知的得分对齐方法，以解决由于各子网络独立而导致的分类结果与定位结果不匹配的问题。此外，为了扩大舰船检测的数据集，我们构建了一个新的高分辨率舰船检测（HRSD）数据集，其中包含从Google Earth收集的2499张不同分辨率的图像和9269个实例。基于公开数据集HRSC2016和我们HRSD数据集的实验表明，我们的检测方法达到了最先进的性能。
引用
@article{arxiv.2007.12326,
title = {Locality-Aware Rotated Ship Detection in High-Resolution Remote Sensing Imagery Based on Multi-Scale Convolutional Network},
author = {Lingyi Liu and Yunpeng Bai and Ying Li},
journal= {arXiv preprint arXiv:2007.12326},
year = {2020}
}
备注
5 pages, 8 figures