原标题:基于端到端边缘增强GAN和目标探测网络的遥感图像小目标检测 | MDPI
研究背景
遥感图像目标检测在环境监管、监视、军事、国家安全、交通、林业、油气活动监测等领域具有广泛的应用前景,然而,目前的目标检测技术对于包含噪声和低分辨率的遥感图像而言,尤其是对于图像中的小目标,其检测效果并不理想,即使在高分辨率图像上,对小目标的检测性能也远低于对大目标的检测性能。针对这一问题,来自阿尔伯塔大学 (University of Alberta) 的Jakaria Rabbi博士及其研究团队在Remote Sensing期刊上发表了一篇论文,应用一种新的边缘增强超分辨率生成对抗网络 (Edge-Enhanced Super-Resolution GAN ,EESRGAN) 模型来提高遥感图像质量,再采用端到端检测网络,将检测损失反向传播到EESRGAN模型中以实现小目标检测,达到较高的目标检测性能 (图1)。
图1. 不同分辨率数据集图像及训练效果对比
研究过程
本文旨在提高遥感图像上小目标的检测性能,作者提出了一种端到端网络结构,其由两个模块组成:基于GAN的超分辨率 (Super-Resolution