你只需看两次：卫星影像中的快速多尺度目标检测

在大范围影像中检测小目标是卫星影像分析中的主要问题之一。虽然地面影像中的目标检测已受益于深度学习新方法的探索，但将此类技术迁移到俯视影像并非易事。其中的挑战之一是每幅影像的像素总量与地理覆盖范围极为庞大：单张 DigitalGlobe 卫星影像覆盖超过 64 km² 且超过 2.5 亿像素。另一挑战是感兴趣目标极其微小（通常仅约 10 像素大小），这使传统计算机视觉技术变得复杂。为解决这些问题，我们提出了一种流水线（You Only Look Twice，或 YOLT），能以超过 0.5 km²/s 的速率评估任意尺寸的卫星图像。所提方法可在多个传感器上以相对较少的训练数据快速检测尺度差异巨大的目标。我们以原生分辨率评估大型测试图像，并在车辆定位上取得 F1 > 0.8 的分数。我们进一步通过系统性地在递减分辨率下测试该流水线来探究分辨率与目标尺寸需求，并得出结论：仅约 5 像素大小的目标仍可以高置信度被定位。代码见 https://github.com/CosmiQ/yolt。