You Only Look Twice：揭秘高速卫星图像目标检测系统

[转载出处：www.11jj.com]

「CVPR 2018不虚此行精英晚宴」

美国当地时间6月21日晚7:30-9:30@盐湖城，将门携众好友——景驰、码隆、迪英加、图森、地平线一起搞事情啦！除了为大家提供充分的交流时间，我“门”还准备了各种走心的奖品，欢迎来玩耍！ 戳我来报名

整理：T.R 参考：Arxiv

卫星图像是十分重要的资源，可以通过它计量国土资源，检测地面情况并且能高瞻远瞩的记录地表发生的变化。但由于卫星图像十分巨大而且其中的物体相对较小，利用卫星图像进行目标检测是充满挑战的工作，本文主要讲解了一篇基于yolo算法进行改进的高效卫星图像目标检测算法，主要针对高分辨率输入和密集小物体进行了优化。

在大面积的图像中识别出一系列小物体是卫星图像处理的主要任务之一。近年来基于深度学习的目标检测算法有了很大的效率提升，但基于卫星图像的处理还存在这一系列问题。为了解决这一系列调整，研究人员在YOLO的基础上提出了一种两阶段的算法架构，不仅可以适应多尺度的检测，，同时达到了F1>0.8的结果，最后还探究了分辨率和物体大小对于检测的影响，并发现只需要五个像素的大小就可以实现目标检测。文章主要从深度学习对于卫星图像目标检测的缺陷出发，提出了改进的细粒度的目标检测网络结构。同时为了解决检测不变性的问题进行了大量的数据增强。

1. 卫星图像目标检测存在的问题

高分辨率的卫星图像和相对较小的图内物体使得卫星图像处理目前主要面临以下四个方面的挑战：