遥感图像小白--3--对象检测&&对象计数&&回归

推荐网站：GitHub - satellite-image-deep-learning/techniques: Techniques for deep learning with satellite & aerial imagery

一、对象检测

遥感中的对象检测为使用边界框定位和包围感兴趣的对象。

对象检测的挑战性：

• 遥感图像尺寸较大，同时对象可能仅包含几个像素
• 要检测的对象区域与背景之间的不平衡
• 对象很容易与背景中的随机特征混淆

随着对象变得更小和更密集，图像分辨率的降低，对象检测模型的准确性也会迅速下降。所以，在遥感中使用高分辨率图像（例如 30cm RGB）进行对象检测。航空影像的一个独特特征是物体可以朝任何方向定向。为了有效地提取对象长度和宽度的测量值，使用与对象方向对齐的旋转边界框可能至关重要。

主要任务：

• 视频中的对象跟踪
• 使用旋转边界框进行对象检测
• 通过超分辨率增强对象检测
• 突出目标检测
• 物体检测/目标检测

 二、对象计数

当只需要物体的数量而不需要其形状时，U-net可以被用作图像到图像转换问题来处理。

三、回归

遥感中的回归涉及从图像中预测连续变量，例如风速、树高或土壤湿度。

• 经典机器学习解决：利用特征工程从输入数据中提取数值，然后将其用作线性回归等回归算法的输入。
• 深度学习解决：采用卷积神经网络 （CNN） 来处理图像数据，然后采用全连接神经网络 （FCNN） 进行回归。