超分辨率对卫星影像中目标检测性能的影响

我们探索了超分辨率技术在卫星影像上的应用，以及这些技术对目标检测算法性能的影响。具体而言，我们将卫星影像增强至其原生分辨率之上，并测试能否比原生分辨率更准确地识别各类车辆、飞机和船只。利用 Very Deep Super-Resolution (VDSR) 框架和自定义的 Random Forest Super-Resolution (RFSR) 框架，我们在从 30 cm 到 4.8 m 的五种不同分辨率上生成了 2x、4x 和 8x 的增强倍数。利用原生与超分辨率数据，我们随后使用 SIMRDWN 目标检测框架训练了若干自定义检测模型。SIMRDWN 将多种流行的目标检测算法（如 SSD、YOLO）组合到一个统一框架中，旨在快速检测大型卫星图像中的目标。该方法使我们能够量化超分辨率技术在多个类别与分辨率上对目标检测性能的影响。我们还量化了目标检测性能随原生分辨率和目标像素大小的变化关系。对于我们的测试集，我们注意到性能从 30 cm 分辨率下的平均精度均值（mAP）= 0.53 下降至 4.8 m 分辨率下的 mAP = 0.11。将原生 30 cm 影像超分辨率至 15 cm 带来最大收益：mAP 提升 13–36%。在较粗分辨率下超分辨率收益较小，但仍提供微小的性能改进。