科研笔记

Appearance

Object Detection in Remote Sensing Images Based on Improved Bounding Box Regression and Multi-Level Features Fusion ​

  • 来源: https://www.mdpi.com/2072-4292/12/1/143
  • 日期: 2020-01-01
  • 标签: remote-sensing, object-detection, dataset, dior, hbb
  • 研究方向: 2D Object Detection → 遥感检测 → 水平框检测
  • 核心贡献:
    • 提出 DIOR 数据集（20类，23,463图，192,472标注）
    • 使用 GIoU 度量
    • 多级特征融合模块
  • GitHub: (待补充)

摘要 (Abstract) ​

遥感图像目标检测的任务是确定图像中所有目标的位置和类别。

现有问题：

  1. 现有 IoU 无法衡量非重叠框的距离
  2. 边界框回归损失不能直接优化训练过程中的度量
  3. 现有方法只选单层特征，未充分利用多级特征

本文贡献：

  1. 应用 GIoU (Generalized IoU) 新度量
  2. 提出新的边界框回归损失，直接优化 GIoU
  3. 提出多级特征融合模块

DIOR 数据集 ​

特性值
图像数23,463
标注数192,472
类别数20
每类图像~1,200

20 个类别 ​

airplane, airport, baseball field, basketball court, bridge, chimney, dam, expressway service area, expressway toll station, ground track field, harbor, locomotive, overpass, ship, stadium, storage tank, swimming pool, tennis court, train station, vehicle

方法 (简述) ​

  1. GIoU: 解决非重叠框的距离衡量问题
  2. 新的回归损失: 直接优化 GIoU
  3. 多级特征融合: 充分利用 FPN 等多级特征

总结 ​

DIOR 是遥感目标检测领域规模最大、类别最多的数据集之一，后续扩展为 DIOR-R (OBB 版本)。

注：DIOR-R 没有独立论文，是 DIOR 的 OBB 扩展版本。

参考资料 ​