用于航拍图像目标检测的显著性偏置损失
计算机视觉与模式识别
2018-10-19 v1
摘要
遥感尤其是航拍图像中的目标检测，由于图像分辨率低、背景复杂以及图像中目标尺度和角度的变化，仍然是一个具有挑战性的问题。在当前实现中，已提出基于多尺度和基于角度的网络，并在航拍图像检测中产生了有前景的结果。本文中，我们提出一种用于深度神经网络的新颖损失函数，称为显著性偏置损失(SBL)，其利用输入图像的显著性信息来实现改进的目标检测性能。我们的新颖损失函数根据输入复杂度对训练样本区别对待，以避免简单样本在训练过程中贡献过度。在我们的实验中，RetinaNet 使用 SBL 训练以生成单阶段检测器 SBL-RetinaNet。SBL-RetinaNet 应用于现有最大的公开航拍图像数据集 DOTA。实验结果表明，我们提出的带有 RetinaNet 架构的损失函数比其他最先进的目标检测模型至少高出 4.31 mAP，并在与 RetinaNet 相同推理速度下比 RetinaNet 高出 2.26 mAP。
引用
@article{arxiv.1810.08103,
title = {Salience Biased Loss for Object Detection in Aerial Images},
author = {Peng Sun and Guang Chen and Guerdan Luke and Yi Shang},
journal= {arXiv preprint arXiv:1810.08103},
year = {2018}
}