You Only Look Twice：揭秘高速卫星图像目标检测系统(2)

卫星图像中的物体具有各个方位的朝向，而ImageNet数据集中大多是竖直方向的，需要检测器具有旋转不变性；

[原创文章：www.11jj.com]

训练数据的缺乏，对于卫星图像缺乏高质量的训练数据，虽然SpaceNet已经进行了一系列有益的工作，但还需要进一步改进；

极高的图像分辨率，与通常输入的小图片不同，卫星图像动辄上亿像素，简单的将采样方法对于卫星图像处理无法适用。

 

在过去的几年里深度学习早已成为目标检测的重要工具，但却还有一系列问题有待优化。比如像鸟群一样的密集小物体检测是目前需要解决的挑战。这主要是由于卷积神经网络中一系列降采样操作造成的，如果目标仅仅包含很少的像素数目，这种方法会造成很大的问题。例如在yolo中降采样因子是32同时返回13*13的预测栅格，这意味着如果一个某个物体的像素少于32个就会引起严重的问题。

研究人员为了解决这个问题对YOLO的网络架构进行了改造，加密了最后预测输出的栅格数量，从而提高了网络对于细粒度特征的检测结果以及区分不同物体的能力，改善了对于小物体和密集物体群的检测。

同时目标检测算法对于不常见的的比例或新的图像分布缺乏一定的泛化能力。由于物体可能的方向和尺寸比例各不相同，算法有限的比例变化对于特殊目标的检测就会失效。为了解决这一问题，研究人员对数据进行了旋转和HSV的随机增强，是算法对于不同传感器、大气条件和光照条件具有更强的鲁棒性。

目前先进的目标检测算法都是对整幅图像进行处理的，但对于上亿像素的卫星图像来说，很难有硬件显卡内存可以满足如此大的需求。为了解决对于多尺度目标的高速检测，研究人员提出了利用区域图像作为输入，利用多尺度检测其来进性检测的方法。在实际过程中，大概200m尺度的图像片作为输入，并利用一定的上采样进行处理。

下图中对比了原始图像和其中的图像片输入网络后的结果。全尺寸的网络几乎无法得到任何结果（下采样后图片分辨率损失），而图像片（像素数小于32）得到的结果也不尽如人意。