Feb, 2021

航拍图像中的物体检测：大规模基准和挑战

PDF
TL;DR本研究介绍了一个大规模的 DOTA 数据集，包括从 11,268 个航拍图像中收集的 18 个分类的定向边界框注释的 1,793,658 个物体实例，并基于此构建了覆盖 70 多种配置的 10 种最新算法的基线，还提供了 ODAI 的代码库和用于评估不同算法的网站。
object detectionaerial imagesdota datasetoriented-bounding-box annotationsbaselines
发现论文，激发创造
  • DOTA：大规模航空图像目标检测数据集

    本文介绍了一个大规模的遥感图像数据集 DOTA，该数据集为地球观测和遥感领域中的目标检测提供了基础，并提出了一种基准模型和评测方法。

    Nov, 2017

  • 光学遥感图像中的目标检测：调查和新基准

    本文提供了在计算机视觉和地球观测社区中基于深度学习的对象检测的综合研究进展，并提出了一个公开的大规模测量数据，即 DIOR 数据集，其可帮助研究人员开发和验证数据驱动的方法。

    Aug, 2019

  • 关于航空图像中目标检测模型的鲁棒性

    在本文中，我们针对受云层影响的航拍图像，提出了两个基于 DOTA-v1.0 的新型基准测试。通过对主流目标检测模型的系统评估和大量剖析实验，我们发现增强模型架构、更大的网络、精心设计的模块以及谨慎的数据增强策略可以共同提高航拍目标检测模型的稳健性。我们提出的基准测试和全面的实验分析有助于促进航拍图像中稳健目标检测的研究。

    Aug, 2023

  • 使用航空影像技术进行真实世界场景下的大规模汽车检测数据集 EAGLE

    EAGLE 是一种大规模的数据集，用于航空图像中多类车辆的检测，并包含了各种各样的真实世界情况，由定向边界框定义并注释，支持研究雾霾和阴影去除以及超分辨率和修补应用。

    Jul, 2020

  • 航拍影像中的目标检测：如何提高精度？

    本文研究了基于深度学习的 Faster R-CNN 在航空图像目标检测中的应用，通过对多种策略的探索，成功提升了模型在 iSAID 数据集上的平均精度（mAP），为航空图像目标检测提出了有效的解决方案。

    Jan, 2022

  • 视觉与无人机：一项挑战

    本篇论文介绍了一个名为 VisDrone2018 的大规模视觉对象检测和跟踪基准，目的在于推进基于无人机平台上的视觉理解任务，其包含了 14 个不同城市的各种城市 / 郊区地区的图像和视频序列，并提供了丰富的标注，如物体边界框的位置，物体类别，遮挡，截断比等，是迄今为止发表的最大的数据集之一，可广泛评估并研究在无人机平台上的视觉分析技术。

    Apr, 2018

  • 稀缺数据环境下航拍图像中的目标检测

    本文通过在航拍图像中对现有少样本目标检测方法进行深入分析，发现自然图像和航拍图像之间存在较大的性能差距，导致的原因是航拍图像中小物体的数量较多。因此，本文提出了一种精心设计的注意力机制来改善少样本目标检测方法在小物体上的性能，并提出了一种自适应尺度框相似性准则，特别适用于小物体的训练和评估。同时，本文还通过度量学习和微调提出了两种用于通用少样本目标检测的不同方法，其中微调方法在处理诸如跨域少样本目标检测等更复杂场景方面取得了显著的成果。最后，针对在 COSE 系统中部署检测模型的需求，本文利用 TensorRT 等现有优化工具成功解决了在超大图像（超过 100 百万像素）中实时进行检测的工程挑战。

    Oct, 2023

  • LUAI Challenge 2021：学习理解航拍图像

    该报告总结了在 ICCV 2021 上举办的 LUAI 2021 挑战赛的结果，该挑战赛侧重于航空图像中的目标检测和语义分割，使用 DOTA-v2.0 和 GID-15 数据集，并提出了三个任务。

    Aug, 2021

  • BigDetection：用于改善目标检测预训练的大规模基准测试

    本文介绍了一个新型的大规模基准数据集 BigDetection，它通过整合多个现有数据集并提供更大样本数量、更统一的标注体系，可以用于改进物体检测算法的预训练效果，并已被证明是一个有效的检测方法评估标准。

    Mar, 2022

  • SOOD++：利用无标签数据提升有向物体检测

    通过使用无标签数据提升目标检测器的半监督方法，我们提出了一种简单而有效的半监督定向目标检测方法 SOOD++，该方法在多方向对象和航拍图像方面获得了较好的结果。

    Jul, 2024