训练集对用于自动目标识别的超分辨率的影响
计算机视觉与模式识别
2020-02-11 v3
摘要
单图像超分辨率（SISR）是将低分辨率图像映射为高分辨率图像的过程。这在遥感中天然具有应用价值，可作为提升卫星影像空间分辨率的一种手段。这暗示了在图像分类与物体检测中自动目标识别的可能改进。我们探究了不同训练集对使用超分辨率生成对抗网络（SRGAN）的 SISR 的影响。我们在不同土地利用类别（如农业、城市、港口）上训练了 5 个 SRGAN，并在同一未见数据集上测试。我们尝试找出 SISR、二分类与物体检测性能在定性与定量上的差异。我们发现，包含测试本体中物体的精选训练集在两项计算机视觉任务上表现更优，而具有复杂图像分布的数据集使物体检测模型表现更好。然而，超分辨率（SR）对某些问题可能无益，且对于接近已被解决的问题的数据集，其收益将递减。
引用
@article{arxiv.1911.07934,
title = {Training Set Effect on Super Resolution for Automated Target Recognition},
author = {Matthew Ciolino and David Noever and Josh Kalin},
journal= {arXiv preprint arXiv:1911.07934},
year = {2020}
}
备注
10 pages, 19 figures, 26 references