透过计算机视觉，看看苏伊士运河堵船

作者 | Edison_G

来源 | 计算机视觉研究院

头图 | 下载于视觉中国

3月29日，长赐号终于重新上浮。

船运代理公司Inchcape和苏伊士运河管理局皆证实，长赐号已经重新漂浮在水面上，但目前还不清楚需要多少时间重启运河。

这张图片，相信大家都已经见过了。目前，根据 VesselFinder 网站的追踪实时图，长赐号已经的船身已逐渐回正，船头的部分已经离开岸边。今天，我们来说说船舶检测相关的计算机视觉相关知识！

简要

遥感图像中的船舶检测在各种应用中起着至关重要的作用，近年来受到越来越多的关注。然而，现有的多面向船舶检测方法通常是在一组预定义的旋转anchor boxes上开发的。这些预定义的框不仅导致不准确的角度预测，而且还引入了额外的超参数和较高的计算成本。此外，现有方法还没有充分利用船舶尺寸的先验知识，这阻碍了它们检测精度的提高。 

针对上述问题，有研究者提出了一种center-head point extraction based detector（命名为CHPDet），以实现遥感图像中的任意方向船舶检测。CHPDet将面向任意方向的船只公式化为带有航向点的旋转框，用于确定方向。利用方位不变模型（OIM）生成方位不变特征映射。进行关键点估计，寻找船舶中心。然后，船舶的大小和 head points被回归。最后使用目标大小来调整结果。

此外，还介绍了一种新的用于固定ground sample distance(GSD)遥感图像中多类任意定向船舶检测的数据集，称为FGSD2021。在两个船舶检测数据集(即FGSD2021和HRSC2016)上的实验结果表明，CHPDET达到了最先进的性能，并且能够很好地区分船头和船尾。代码和数据集将公开提供。

船舶的四种不同表示和角度回归方案的缺点。

(a) Horizontal boxes parameterized by 4 tuples (xmin, ymin, xmax, ymax). 

(b) Rotated box with the angle parameterized by 5 tuples (xc, yc, w, h, θ). 

(c) Rotated box with vertices (a, b, c, d), parametrized by 8 tuples (xa, ya, xb, yb, xc, yc, xd, yd). 

(d) Rotated box with head point which is parameterized by 6 tuples (xc, yc, w, h, xh, yh). 

(e) A small angle disturbance will cause a large IoU decrease. 

(f) The angle is discontinous when reaches its range boundary.

overall framework

为了解决现在遇到的常见问题，研究者提出了CHPDet，以实现遥感图像中任意方向的舰船探测。CHPDet将面向任意方向的船只公式化为带有航向点的旋转框，用于确定方向。执行关键点估计以找到船只的中心。然后，将船只的大小和航向点进行回归。最后使用目标大小来调整结果。

A：Arbitrary-oriented ship representation

B：Feature extraction

C：Center point detection

D：Size regression

E：Head Point estimation

F：Refine probability according to size

具体公式推导可以自行看论文熟知，或者后期我们针对框架公式进行详细分析。论文地址：https://arxiv.org/pdf/2101.11189.pdf

实验结果

CSDN协同行业大佬，携手打造13长热门知识图谱及IT成长路线
助力千万IT人成长，快速实现职场进阶！
更多精彩推荐

☞百度香港二次上市，12 岁开发者、AI 机器人同台敲响“芯片代码锣”☞GitLab 在中国成立公司极狐，GitHub 还会远吗？☞16款小米新品，刚刚雷军只发了5款

点分享点收藏点点赞点在看