kaggle船只检测比赛
kaggle船只检测比赛
1.题目背景
2. 时间
- 阶段一: 2018年11月7日-截止日期 团队合并截止日期
- 阶段二: 2018年11月14日-最后提交截止
- 阶段三: 2018年11月30日 最后提交截止日期的
3.比赛要求
1.任务
从卫星图片中找到所有的船只模型
2.数据的描述
在本次竞赛中,需要在图像中定位船只,在定位的船只周围放置一个对齐的边框。许多图像不包含船只,而那些可能包含多艘船。船内和横跨图像可能大小不同(有时显著),并位于开阔海域、码头、小船坞等处。
目标框不能重叠。
当船只相邻时,Train和Test集中只有小部分图像目标有轻微重叠。将重叠图片以背景标签的方式去除。
因此,一些图像具有地面实况可以是一个对齐的边界框,其中一些像素从片段的边缘去除。这些小的调整将对得分产生最小的影响,因为得分评价超过重叠阈值。
3.评价标准
IOU: 模型产生的目标窗口和原来标记窗口的交叠率
这个比赛是评价F2得分在不同交点的(IOU)阈值。
所提出的一组对象像素和一组真实对象像素的IOU计算为:
扫过IOU阈值的范围,在每个点计算F2得分。
阈值范围从0.5到0.95,步长为0.05:(0.5,0.55,0.6,0.65,0.7,0.75,0.8,0.85,0.9,0.95)。
换言之,在阈值0.5处,如果预测对象与地面真值对象的交集大于0.5,则将其视为“命中”。
对于每个阈值T,根据将预测对象与所有地面真实对象进行比较而得到的真正类(TP)、假负类(FN)和假正类(FP)的数目来计算F2得分值。当β为β时,下面的方程式相当于F2分数:
当单个预测对象与具有高于阈值的IOU的地面真实对象匹配时,计算TP。
FP表示预测的对象没有相关联的地面真实对象。
FN表示地面真实对象没有关联的预测对象。
然后将单个图像的平均F2得分计算为每个IOU阈值上的F2得分值的平均值:
最后,由竞赛值的最终分数是对测试数据集中每个图像的单个平均F2分数取出的平均值。
4.比赛难点
在遥感图像(单通道)中检测小目标(舰船)海面场景,会受云雾,岛礁等杂物干扰的情况下对船只能够检测得到。
关键在于对于云雾处理与倾斜或者半截船只/没有船只的检测情况。
5.参考资料
当前关于遥感图像中舰船目标检测的研究比较多,也有相关综述。舰船目标虽然较小,但如果能提取出舰船目标的特征(如形状与纹理特征等),可以考虑采用机器学习与分类的方式,进行舰船检测
类似比赛:
知乎大牛的整理:目标检测
https://zhuanlan.zhihu.com/p/36478097
https://zhuanlan.zhihu.com/p/36818086
https://zhuanlan.zhihu.com/p/33277354
https://zhuanlan.zhihu.com/p/35394369
论文:https://blog.csdn.net/baidu_32145209/article/details/82078424