基于甚高分辨率卫星影像的车辆检测与计数：已有工作与开放问题
计算机视觉与模式识别
2019-10-28 v2 图像与视频处理
摘要
利用卫星影像检测新基础设施（商业、物流、工业或住宅）是一种已被验证的用于调查和跟踪经济与城市增长的方法。这些场地的活动水平或利用程度难以通过建筑检查确定，但可通过附近街道和停车场的车辆存在情况推断。本文提出两种基于深度学习的模型，用于从空间分辨率50厘米的Pleiades传感器光学卫星影像中计数车辆。我们研究了分割（Tiramisu）和检测（YOLO）两种架构。这些网络在包含87k车辆的数据集上进行了调整、训练和验证，该数据集使用作者开发的交互式半自动工具进行标注。实验结果表明，分割和检测模型的精度均高于85%，且召回率也较高（Tiramisu和YOLO分别为76.4%和71.9%）。
引用
@article{arxiv.1910.10017,
title = {Vehicle detection and counting from VHR satellite images: efforts and open issues},
author = {Alice Froidevaux and Andréa Julier and Agustin Lifschitz and Minh-Tan Pham and Romain Dambreville and Sébastien Lefèvre and Pierre Lassalle and Thanh-Long Huynh},
journal= {arXiv preprint arXiv:1910.10017},
year = {2019}
}
备注
4 pages, planned for a conference submission