kaggle船只检测比赛

kaggle船只检测比赛

kaggle船只检测比赛

1.题目背景

题目

2. 时间

1. 阶段一： 2018年11月7日-截止日期 团队合并截止日期
2. 阶段二： 2018年11月14日-最后提交截止
3. 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

数据集：https://www.planet.com