基于合成数据的无人机图像目标检测验证
计算机视觉与模式识别
2022-01-19 v1
摘要
目标检测正越来越多地用于无人机（UAV）上的各种应用；然而，用于无人机检测的机器学习（ML）模型常使用为与无人机应用无关的任务所整理的数据进行验证。这是一个问题，因为在大规模基准上训练神经网络已展现出在通用目标检测任务中的优异能力，但常规训练方法会导致无人机图像出现较大的推理误差。此类误差源于无人机图像与训练图像之间成像条件的差异。为克服该问题，我们刻画了ML模型的边界条件，超过该条件模型检测精度急剧下降。我们的工作聚焦于利用游戏引擎生成的合成数据理解不同无人机成像条件对检测性能的影响。游戏引擎的特性被利用来以真实且带标注的图像填充合成数据集。具体而言，它使得对相机位置、视角、光照条件和物体姿态等各种参数进行精细控制。利用合成数据集，我们分析了不同成像条件下检测精度作为上述参数函数的情况。我们在工作中使用了三种具有不同模型复杂度的知名神经网络模型。在实验中，我们观测并量化了如下现象：1）随着相机移向天底视角区域检测精度如何下降；2）检测精度如何随不同物体姿态而变化；3）随着光照条件变化模型鲁棒性改变的程度。
引用
@article{arxiv.2201.06629,
title = {Validation of object detection in UAV-based images using synthetic data},
author = {Eung-Joo Lee and Damon M. Conover and Shuvra S. Bhattacharyyaa and Heesung Kwon and Jason Hill and Kenneth Evensen},
journal= {arXiv preprint arXiv:2201.06629},
year = {2022}
}