Jul, 2024

通过预设工程解决卫星图像中的单目标跟踪问题

HTML
PDF
TL;DR我们的研究探讨了在遥感中的卫星视频目标跟踪困难之处，并提出了使用Segment Anything Model (SAM)和TAPIR (Tracking Any Point with per-frame Initialization and temporal Refinement)的方法，来为卫星视频中的小型目标创建一种免训练的基于点的跟踪方法。在VISO数据集上的实验验证了我们的策略，并为遥感应用中卫星图像的稳健跟踪解决方案的进展做出了显著贡献。
发现论文，激发创造
  • 基于多帧光流追踪器的卫星视频目标追踪

    本文提出了一种新的多帧光流追踪器（MOFT）用于卫星视频中的目标跟踪，该方法融合了Lucas-Kanade 光流方法、HSV 颜色系统和积分图像，通过对三个VHR遥感卫星视频数据集的实验表明，该方法比目前先进的目标跟踪算法更准确。

    Apr, 2018

  • 快速多尺度卫星图像物体检测：你只需要看两次

    使用You Only Look Twice (YOLT)管道，通过深度学习技术，在相对较少的训练数据和多个传感器上快速、有效地检测任意尺寸的目标，包括小于10个像素。

    May, 2018

  • 从空间中分割任何物体？

    研究了针对视觉任务开发的第一个基础模型，称为Segment Anything Model（SAM）。SAM可以基于便宜的输入提示，如一个或多个点、边界框或掩码，在输入的图像中分割对象。作者在大量的视觉基准任务中研究了SAM的零样本图像分割准确性，并发现SAM通常实现了与目标任务上进行了训练的视觉模型类似或有时超过其识别精度。他们检查了SAM在多样化、广泛研究的基准任务集上的表现。然而，作者还研究了SAM在航空图像问题中的表现，他们发现虽然SAM在航空图像上通常表现良好，但在某些情况下由于航空图像和目标对象的独特特征而失败。

    Apr, 2023

  • 基于视觉基础模型的遥感实例分割提示学习

    本文提出了一种基于 SAM 模型和 Prompt 学习的自动遥感图像实例分割方法（RSPrompter），并将其与其他常用的方法进行比较，结果证明该方法有效。

    Jun, 2023

  • 遥感应用中的分段任意物模型(SAM)：从零到一次拍摄

    本研究旨在将Meta AI的创新图像分割模型Segment Anything Model（SAM）应用于遥感图像分析领域，特别是处理来自不同地理背景的航空和轨道影像，实现SAM在遥感影像处理中的潜力。

    Jun, 2023

  • 任意物体的分割及其点追踪

    本文介绍了SAM-PT方法，将SAM方法扩展至跟踪和分段动态视频中的任何内容，利用强健的和稀疏的点选择和传播技术进行mask的生成，并在DAVIS、YouTube-VOS和MOSE等流行的视频对象分割基准中展示SAM基于分割跟踪器可以产生强的零度成像性能。

    Jul, 2023

  • 基于大视觉模型的自引导远感图像少样本语义分割

    本研究介绍了一种用于自动化少样本语义分割的结构化框架，利用Segment Anything Model（SAM）模型，并借助先前引导的掩模生成粗略像素级提示，以获得更高效的语义可辨别分割结果，实验证明该方法在DLRSD数据集上优于其他可用的少样本方法。

    Nov, 2023

  • 探索卫星图像中的少样本目标检测的鲁棒特征

    本文旨在使用仅有少量示例来进行卫星图像中的目标检测，从而使用户能够使用最少的注释来指定任何目标类。我们探讨了来自开放词汇检测和遥感领域的最新方法和思路。我们基于传统的两阶段架构开发了一个少样本目标检测器，其中分类块被基于原型的分类器替代。我们使用大规模预训练模型构建类参考嵌入或原型，并与区域建议内容进行标签预测。另外，我们提出在可用的训练图像上微调原型，以提高性能并学习类似类别之间的差异，例如飞机类型。我们对包含具有挑战性和罕见对象的两个遥感数据集进行了广泛评估。此外，我们研究了视觉和图像文本特征的性能，即DINOv2和CLIP，包括专门针对遥感应用的两个CLIP模型。结果表明，视觉特征在很大程度上优于视觉语言模型，因为后者缺乏必要的领域特定词汇。最后，尽管训练参数很少，但开发的检测器在SIMD和DIOR数据集上表现出优于全监督和少样本方法的性能。

    Mar, 2024

  • 传统单目标跟踪的超越：一项综述

    单目标跟踪是许多关键领域应用的重要任务，尽管它仍被认为是最具挑战性的视觉任务之一。本文针对单目标跟踪的应用，提出了一种基于新技术和趋势的方法分类，并对广泛使用的跟踪基准中方法的性能进行了比较分析，同时分析了这些方法的优缺点，并提出了非传统技术在单目标跟踪中的指导，最后提出了未来研究的潜在方向。

    May, 2024

  • 基于视觉的非合作目标及小卫星组件检测

    本研究解决了太空碎片和非活跃卫星对在轨飞行器安全构成威胁的问题，针对缺乏目标特征和轨迹信息的困境，提出了一种自主检测模型，利用计算机视觉技术进行高效检测与监控。研究表明，该模型在不同距离下能灵活适应各种环境条件，以提高检测的准确性和可靠性，具有重要的应用潜力。

    Aug, 2024