航拍图像中的车辆检测
计算机视觉与模式识别
2018-02-12 v2
摘要
航拍图像中的车辆检测在许多应用中被广泛使用。与地面视角图像中的目标检测相比,由于车辆尺寸小、外观单调以及背景复杂,航拍图像中的车辆检测仍是一个具有挑战性的问题。本文提出一种新颖的双焦点损失卷积神经网络框架(DFL-CNN)。在该框架中,CNN结构中使用跳跃连接以增强特征学习。同时,在区域提议网络和最终分类器中均用焦点损失函数替代传统的交叉熵损失函数。我们进一步引入了首个大规模车辆检测数据集ITDVD,其中包含场景中所有车辆的真值标注。我们在现有基准DLR 3K数据集以及ITDVD数据集上展示了模型的性能。实验结果表明,我们的DFL-CNN在车辆检测上优于基线方法。
引用
@article{arxiv.1801.07339,
title = {Vehicle Detection in Aerial Images},
author = {Michael Ying Yang and Wentong Liao and Xinbo Li and Bodo Rosenhahn},
journal= {arXiv preprint arXiv:1801.07339},
year = {2018}
}