利用端到端边缘增强 GAN 与目标检测器网络进行遥感图像小目标检测
计算机视觉与模式识别
2020-04-30 v5 机器学习
摘要
与大目标相比，遥感图像中小目标的检测性能不尽如人意，尤其在低分辨率与含噪图像中。一种基于生成对抗网络（GAN）的模型——增强超分辨率 GAN（ESRGAN）展现出卓越的图像增强性能，但重建图像缺失高频边缘信息。因此，在恢复后的含噪低分辨率遥感图像上，小目标检测性能下降。受边缘增强 GAN（EEGAN）与 ESRGAN 成功的启发，我们应用一种新的边缘增强超分辨率 GAN（EESRGAN）来改善遥感图像质量，并以端到端方式使用不同的检测器网络，其中检测器损失被反向传播至 EESRGAN 以提升检测性能。我们提出一种由三部分组成的架构：ESRGAN、边缘增强网络（EEN）与检测网络。我们在 ESRGAN 与 EEN 中均使用残差中的残差密集块（RRDB），而对于检测网络，我们使用更快的基于区域的卷积网络（FRCNN）（两阶段检测器）与单发多框检测器（SSD）（单阶段检测器）。在公开（带上下文的俯视车辆）与自组装（油气储罐）卫星数据集上的大量实验表明，我们的方法优于独立的当前最优目标检测器。
引用
@article{arxiv.2003.09085,
title = {Small-Object Detection in Remote Sensing Images with End-to-End Edge-Enhanced GAN and Object Detector Network},
author = {Jakaria Rabbi and Nilanjan Ray and Matthias Schubert and Subir Chowdhury and Dennis Chao},
journal= {arXiv preprint arXiv:2003.09085},
year = {2020}
}
备注
This paper contains 27 pages and accepted for publication in MDPI remote sensing journal. GitHub Repository: https://github.com/Jakaria08/EESRGAN (Implementation)