Tiny Object Detection in Aerial Images论文简读

code: https://github.com/jwwangchn/AI-TOD

摘要

近年来，地球视觉中的目标探测取得了很大的进展。然而，航空图像中的微小物体检测仍然是一个非常具有挑战性的问题，因为微小物体包含的像素很小，很容易与背景混淆。为了推进航空图像中的微小物体检测研究，我们提出了一种新的航空图像中的微小物体检测数据集(AI-TOD)。具体来说，AI-TOD为280,36张航空图像的8个类别提供了700,621个物体实例。与现有的航空图像目标检测数据集相比，AI-TOD目标的平均大小约为12.8像素，比其他对象要小得多。为了建立一个在航空图像中的微小物体检测的基准，我们在我们的AI-TOD数据集上评估了最先进的物体探测器。实验结果表明，将这些方法直接应用于AI-TOD会产生次优的目标检测结果，因此需要设计新的微小目标检测检测器。因此，我们提出了一种基于多中心点的学习网络(M-CenterNet)来提高微小目标检测的定位性能，实验结果表明，该性能显著提高。

论文的贡献

• 我们介绍了AI-TOD，一个用于航空图像中微小物体检测的数据集。此外，我们还通过几个基于cnn的对象检测器建立了一个相应的基准测试，并提供了AI-TOD数据集上最先进的检测器的概述。训练/验证图像和注释将被公开，并将建立一个在线基准来进行算法评估。
• 我们提出了一种基于多中心点的学习网络(M-CenterNet)用于小目标检测，它在AP和oLRD数据集的oLRP指标上都获得了最先进的性能。
•