优化 SAR 图像中的船舶检测效率
计算机视觉与模式识别
2022-12-13 v1
摘要
非法捕捞的侦测与防范对维持健康且具功能的生态系统至关重要。近期关于卫星影像中船舶检测的研究仅专注于性能提升，忽视了检测效率。然而，船舶检测的速度与计算成本对于及时干预以防范非法捕捞十分关键。因此，我们研究了以最小性能损失降低检测时间与成本的优化方法。我们使用卫星图像数据集训练了一个基于卷积神经网络（CNN）的目标检测模型。随后，我们设计了两种可应用于基础 CNN 或任何其他基础模型的效率优化。这些优化由一个快速、廉价的分类模型和一个统计算法组成。将优化与目标检测模型集成导致了速度与性能之间的权衡。我们使用对执行时间与性能赋予不同权重的指标研究了该权衡。我们表明，通过使用分类模型，检测模型的平均精度可在 44% 的时间内近似达到 99.5%，或在 25% 的时间内近似达到 92.7%。
引用
@article{arxiv.2212.05843,
title = {Optimizing ship detection efficiency in SAR images},
author = {Arthur Van Meerbeeck and Jordy Van Landeghem and Ruben Cartuyvels and Marie-Francine Moens},
journal= {arXiv preprint arXiv:2212.05843},
year = {2022}
}