建议用于卫星图像中物体检测的CNN框架？

Question

我正在寻找海洋大型卫星场景中的船只.我成功地应用于matterport的面膜RCNN安装卫星图像的小的子集,但它是分析像世界观庞大的图像太慢.我正在寻找可以做边界框的快速的东西,在python中,在Keras中实现,并且理想地优化(或者有很好的文档以便我可以优化它)用于卫星图像.有什么建议？

我找到了几个有希望的线索:

• 你只看两次,YOLO变体针对卫星图像进行了优化,但是用C语言构建,并没有很好地记录
  • 代码:https://github.com/avanetten/yolt
  • 论文:https://arxiv.org/pdf/1805.09512.pdf
• RasterVision:一种基于python的通用框架,用于将CNN应用于卫星图像,看起来很有前途,但尚未成熟
  • 代码:https://github.com/azavea/raster-vision
• 这个Kaggle比赛有一些很有希望的信息,但在18个月左右有点过时了:
  • 链接:https://www.kaggle.com/c/dstl-satellite-imagery-feature-detection

我可能会根据YOLT论文的建议,尝试在Keras中自定义RetinaNet的这种实现卫星图像,但是会喜欢其他建议!

Answer 1

这个问题现在很长时间没有答案，所以我想我会用我的解决方案来回答。我使用 Retinanet 解决了许多卫星检测问题，并取得了良好的效果。该 CNN 在《密集对象检测的焦点损失》论文中进行了概述，您可以在此处找到该论文： https: //arxiv.org/abs/1708.02002。我使用这个 keras 库来实现： https: //github.com/fizyr/keras-retinanet。

我用它来检测无人机图像中的海豹： https: //bigdata.duke.edu/projects/deep-learning-aerial-wildlife-surveillance

无人机图像中的鸟类：https://research.repository.duke.edu/concern/datasets/kp78gh20s

甚至卫星图像中的鲸鱼。所有这一切它只需最小的调整就表现得很好。