超高分辨率物体检测的新方法使用图像切片算法和分段任何模型.
Muhammed Telçeken1,2, Devrim Akgun3, Sezgin Kacar4
1Computer Engineering, Institute of Natural Sciences, Sakarya University, Sakarya 54050, Turkey.
Sensors (Basel, Switzerland)
|July 27, 2024
概括
本研究介绍了一种新的高分辨率物体检测方法,使用与YOLO架构集成的图像切片,细分和超分辨率生成对抗网络 (SRGAN). 改进的方法显著提高了对具有挑战性的卫星和空中图像数据集的检测精度.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 遥感 遥感 遥感 遥感
背景情况:
- 在高分辨率图像中对象检测面临挑战,原因是尺度变化,各种背景和纹理.
- 现有的方法在复杂的高分辨率视觉数据中难以概括.
研究的目的:
- 开发一种改进的对象检测方法,用于高分辨率图像.
- 提高对象探测器在卫星和空中图像中的精度和概括能力.
主要方法:
- 拟议的方法采用图像切片 (ISA) 和细分 (SAM) 预处理管道.
- 超分辨率生成对抗网络 (SRGAN) 集成到YOLO的第一层,以增强图像分辨率.
- 该系统使用四个YOLO架构 (YOLOv5,YOLOv8) 在xView和VisDrone数据集上进行评估.
主要成果:
- 与YOLO架构集成SRGAN显著提高了对象检测的特征表示.
- 拟议的系统在xView和VisDrone数据集上实现了卓越的性能.
- 对比分析表明,SRGAN-YOLOv5和SRGAN-YOLOv8组合分别在xView和VisDrone上产生最好的结果.
结论:
- 开发的方法有效地解决了在高分辨率图像中对象检测的挑战.
- 用SRGAN增强的YOLO模型为卫星和空中环境中的物体检测提供了最先进的性能.
- 这种方法代表了使用高分辨率视觉数据的精密监控的重大进步.
