基于多任务旋转区域卷积神经网络的任意方向船舶位置检测与航向预测
计算机视觉与模式识别
2018-11-20 v2
摘要
船舶检测在遥感领域具有重要意义且充满挑战。应用场景的复杂性、检测区域的冗余性以及密集船舶检测的困难都是限制传统方法在船舶检测中成功运行的主要障碍。本文提出一种基于多任务旋转区域卷积神经网络的全新检测模型以解决上述问题。该模型主要由五个连续部分组成：密集特征金字塔网络（DFPN）、自适应感兴趣区域（ROI）对齐、旋转边界框回归、船首方向预测和旋转非极大抑制（R-NMS）。首先，通过多尺度特征网络充分利用底层位置信息和高层语义信息。然后，我们设计自适应 ROI 对齐以获得保留完整空间与语义信息的高质量候选框。与大多数先前方法不同，我们的方法所得预测为物体的最小外接矩形，冗余区域更少。因此，旋转区域检测框架比传统检测模型更适合检测密集物体。此外，我们可通过预测获知船舶的停泊与航行方向。基于 SRSS 的旋转检测详细评估表明，我们的检测方法具有竞争性性能。
引用
@article{arxiv.1806.04828,
title = {Position Detection and Direction Prediction for Arbitrary-Oriented Ships via Multitask Rotation Region Convolutional Neural Network},
author = {Xue Yang and Hao Sun and Xian Sun and Menglong Yan and Zhi Guo and Kun Fu},
journal= {arXiv preprint arXiv:1806.04828},
year = {2018}
}