关于航拍图像中目标检测模型的鲁棒性研究
计算机视觉与模式识别
2025-01-14 v2
摘要
目标检测模型的鲁棒性在应用于真实场景时是一个主要关注点。大多数模型在面临受 corruptions 影响的图像时性能往往会下降，因为它们通常在干净的数据集上训练和评估。虽然已有大量研究探讨了自然图像上目标检测模型的鲁棒性，但针对应用于航拍图像（具有复杂背景、显著的尺度变化以及目标朝向多样）模型的研究十分匮乏。本文应对航拍图像上目标检测模型鲁棒性评估的挑战，特别聚焦于图像受云层影响的场景。在本研究中，我们基于 DOTA-v1.0 引入了两个新基准。第一个基准涵盖 19 种常见 corruptions，第二个聚焦于云 corrupted 条件——这一现象在自然图像中少见但在航拍中频繁出现。我们系统评估了主流目标检测模型的鲁棒性并进行了必要的消融实验。通过研究，我们发现旋转不变建模和增强的骨干网络架构能够提升模型的鲁棒性。此外，增加基于 Transformer 的骨干网络容量可增强其鲁棒性。我们提出的基准和全面的实验分析可促进航拍图像鲁棒目标检测的研究。代码与数据集见：https://github.com/hehaodong530/DOTA-C。
引用
@article{arxiv.2308.15378,
title = {On the Robustness of Object Detection Models on Aerial Images},
author = {Haodong He and Jian Ding and Bowen Xu and Gui-Song Xia},
journal= {arXiv preprint arXiv:2308.15378},
year = {2025}
}
备注
accepted by IEEE TGRS