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