PENet：基于点估计的航拍图像目标检测
计算机视觉与模式识别
2020-01-24 v1 机器学习
图像与视频处理
摘要
航拍影像已日益应用于交通监控、智慧城市和灾害救援等关键任务。然而，从航拍图像中识别目标面临以下挑战：1）感兴趣目标相对于图像往往过小且过密；2）感兴趣目标的相对尺寸往往各异；3）各类别目标数量不均衡。为此，本文提出一种新颖网络结构——点估计网络（PENet）以应对这些挑战。PENet 使用掩码重采样模块（MRM）增强不均衡数据集，使用粗粒度无锚框检测器（CPEN）有效预测小目标簇的中心点，并使用细粒度无锚框检测器（FPEN）定位小目标的精确位置。CPEN 中实现了自适应合并算法非极大合并（NMM）以解决密集小目标检测问题，FPEN 中定义了分层损失以进一步提升分类精度。我们在航拍数据集 visDrone 和 UAVDT 上的大量实验表明，PENet 取得了比现有最优方法更高的精度。我们的最佳模型在 visDrone 上提升 8.7%，在 UAVDT 上提升 20.3%。
引用
@article{arxiv.2001.08247,
title = {PENet: Object Detection using Points Estimation in Aerial Images},
author = {Ziyang Tang and Xiang Liu and Guangyu Shen and Baijian Yang},
journal= {arXiv preprint arXiv:2001.08247},
year = {2020}
}
备注
7 pages, 5 figures