面向解决无人机图像中长尾分布挑战的目标检测
计算机视觉与模式识别
2020-11-10 v1 人工智能
摘要
现有的无人机图像目标检测方法忽略了一个重要挑战——无人机图像中类别分布不平衡——这导致在尾部类别上性能较差。我们系统研究了现有的长尾问题解决方案，并揭示在自然图像数据集上有效的再平衡方法不能简单地应用于无人机数据集。为此，我们重新思考无人机图像中的长尾目标检测，并提出双采样器与头检测网络（DSHNet），这是首个旨在解决无人机图像中长尾分布的工作。DSHNet 的关键组件包括类别偏置采样器（CBS）和双侧框头（BBH），它们以双路径方式分别处理尾部类别和头部类别。无需额外技巧，DSHNet 在不同检测框架上显著提升了尾部类别的性能。此外，DSHNet 在 VisDrone 和 UAVDT 数据集上显著优于基础检测器和通用长尾问题方法。结合图像裁剪方法时，它达到了新的最先进性能。代码见 https://github.com/we1pingyu/DSHNet
引用
@article{arxiv.2011.03822,
title = {Towards Resolving the Challenge of Long-tail Distribution in UAV Images for Object Detection},
author = {Weiping Yu and Taojiannan Yang and Chen Chen},
journal= {arXiv preprint arXiv:2011.03822},
year = {2020}
}
备注
WACV 2021