基于主动微调网络的多源遥感数据车辆检测
计算机视觉与模式识别
2020-07-17 v1
摘要
遥感图像中的车辆检测近年来引起了越来越多的关注。然而，由于缺乏良好标注的样本，尤其在密集拥挤场景中，其检测能力受到限制。此外，由于存在多种遥感数据源，从多源数据中高效挖掘有用信息以改进车辆检测具有挑战性。为解决上述问题，提出了一种多源主动微调车辆检测（Ms-AFt）框架，该框架将迁移学习、分割与主动分类集成到统一框架中以实现自动标注与检测。所提出的Ms-AFt首先采用微调网络从非标注数据集中生成车辆训练集。为应对车辆类别的多样性，随后设计了基于多源的分割分支以构建额外的候选目标集。所设计注意力分类网络实现了高质量车辆的分离。最后，将三个分支结合以完成车辆检测。在两个公开的ISPRS基准数据集（即Vaihingen村与Potsdam城市数据集）上进行的大量实验结果表明，所提出的Ms-AFt在车辆检测方面具有优越性和有效性。此外，Ms-AFt在密集遥感场景中的泛化能力在一个大型露营地的立体航拍影像上得到进一步验证。
引用
@article{arxiv.2007.08494,
title = {Vehicle Detection of Multi-source Remote Sensing Data Using Active Fine-tuning Network},
author = {Xin Wu and Wei Li and Danfeng Hong and Jiaojiao Tian and Ran Tao and Qian Du},
journal= {arXiv preprint arXiv:2007.08494},
year = {2020}
}