卫星图像目标检测

1.You Only Look Twice: Rapid Multi-Scale Object Detection In Satellite Imagery

论文时间:2018.5

论文地址:https://arxiv.org/pdf/1805.09512.pdf

网络结构:

基于YOLOv2的改进网络结构,为了解决目标较小问题,输出特征图从13变成26,输入图像尺寸416

测试过程:

采用滑动窗口法选择416大小的区域,相邻区域之间重叠15%避免物体在边界被分割的情况.如下图

算法性能:

大于5个像素的目标可以被有效的检测,图像质量 30cm GSD,从论文效果来看,即使检测车辆,也比较有效.车辆长宽一般为3-4米,也就是10个像素左右

不同分辨率下的效果

左边是15cm每像素,右边是90cm每像素,F1 score分别为0.94和0.84,下降幅度可以接受

2.Contextual Region-Based Convolutional Neural Network with Multilayer Fusion for SAR Ship Detection

论文时间:2017

算法简介:基于vgg16网络的两阶段检测器(faster-rcnn类似,需要先提取候选区域,再利用roi-pooling提取区域内特征的算法).为了检测小目标,融合了浅层特征.

测试: 滑动窗口截取512大小区域,和第一篇方法类似

数据

10m每像素,作者统计的舰船大小,大部分舰船像素占20-80像素,这里的像素指面积

效果

原文地址：https://www.cnblogs.com/xiongzihua/p/9550399.html

时间： 2024-08-02 05:22:55

卫星图像目标检测的相关文章

使用Caffe完成图像目标检测和 caffe 全卷积网络

一.[用Python学习Caffe]2. 使用Caffe完成图像目标检测标签: pythoncaffe深度学习目标检测ssd 2017-06-22 22:08 207人阅读评论(0) 收藏举报分类: 机器学习(22) 深度学习(12) 版权声明:本文为博主原创文章,未经博主允许不得转载. 目录(?)[+] 2. 使用Caffe完成图像目标检测本节将以一个快速的图像目标检测网络SSD作为例子,通过Python Caffe来进行图像目标检测. 必须安装windows-ssd版本的Ca

在opencv3中利用SVM进行图像目标检测和分类

采用鼠标事件,手动选择样本点,包括目标样本和背景样本.组成训练数据进行训练 1.主函数 #include "stdafx.h" #include "opencv2/opencv.hpp" using namespace cv; using namespace cv::ml; Mat img,image; Mat targetData, backData; bool flag = true; string wdname = "image"; voi

航空遥感图像(Aerial Images)目标检测数据集汇总

常规目标检测数据集有很多,现在前沿的目标检测算法(如Faster R-CNN, Yolo, SSD, Mask R-CNN等)基本都是在这些常规数据集上实验的,但是,基于常规数据集训练的分类器,在航空遥感图像上的检测效果并不好,主要原因是航空遥感图像有其特殊性: 1,尺度多样性,航空遥感图像从几百米到近万米的拍摄高度都有,且地面目标即使是同类目标也大小不一,如港口的轮船大的有300多米,小的也只有数十米: 2,视角特殊性,航空遥感图像的视角基本都是高空俯视,但常规数据集大部分还是地面水平视角,所

4. 基于深度学习的目标检测算法的综述(转)

4. 基于深度学习的目标检测算法的综述(转) 原文链接:https://www.cnblogs.com/zyly/p/9250195.html 目录一相关研究 1.选择性搜索(Selective Search) 2.OverFeat 二.基于区域提名的方法 1.R-CNN 2.SPP-Net 3.Fast R-CNN 4.Faster R-CNN 5.R-FCN 三端对端的方法 1.YOLO 2.SSD 四总结在前面几节中,我们已经介绍了什么是目标检测,以及如何进行目标检测,还提及了滑

目标检测的图像特征提取之（一）HOG特征（转载）

目标检测的图像特征提取之(一)HOG特征 [email protected] http://blog.csdn.net/zouxy09 1.HOG特征: 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子.它通过计算和统计图像局部区域的梯度方向直方图来构成特征.Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功.需要提醒的是,HOG+SVM进行行人检测的方法是法

一文带你学会使用YOLO及Opencv完成图像及视频流目标检测（上）|附源码

计算机视觉领域中,目标检测一直是工业应用上比较热门且成熟的应用领域,比如人脸识别.行人检测等,国内的旷视科技.商汤科技等公司在该领域占据行业领先地位.相对于图像分类任务而言,目标检测会更加复杂一些,不仅需要知道这是哪一类图像,而且要知道图像中所包含的内容有什么及其在图像中的位置,因此,其工业应用比较广泛.那么,今天将向读者介绍该领域中表现优异的一种算算法--"你只需要看一次"(you only look once,yolo),提出该算法的作者风趣幽默可爱,其个人主页及论文风格显示了其性

【数字图像处理】目标检测的图像特征提取之HOG特征

1.HOG特征方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子.它通过计算和统计图像局部区域的梯度方向直方图来构成特征.Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功.需要提醒的是,HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的,而如今虽然有很多行人检测算法不断提出,但基本都是以HOG+SVM的思路为主. (1)主要

目标检测方法——SSD

SSD论文阅读(Wei Liu--[ECCV2016]SSD Single Shot MultiBox Detector) 目录作者文章的选择原因方法概括方法细节相关背景补充实验结果与相关文章的对比总结作者文章的选择原因性能好,single stage 方法概括文章的方法介绍 SSD主要用来解决目标检测的问题(定位+分类),即输入一张待测图像,输出多个box的位置信息和类别信息测试时,输入一张图像到SSD中,网络输出一个下图最右边的tensor(多维矩阵),对该矩阵进行

基于深度学习的目标检测研究进展

前言开始本文内容之前,我们先来看一下上边左侧的这张图,从图中你看到了什么物体?他们在什么位置?这还不简单,图中有一个猫和一个人,具体的位置就是上图右侧图像两个边框(bounding-box)所在的位置.其实刚刚的这个过程就是目标检测,目标检测就是"给定一张图像或者视频帧,找出其中所有目标的位置,并给出每个目标的具体类别". 目标检测对于人来说是再简单不过的任务,但是对于计算机来说,它看到的是一些值为0~255的数组,因而很难直接得到图像中有人或者猫这种高层语义概念,也不清楚目标出现在