主动迁移学习的海上任意方向船只目标检测

摘要：

在基于深度学习的遥感图像目标检测任务中,船只目标通常呈现出任意方向排列的特性,而常见的水平框目标检测算法一般不能满足此类场景的应用需求.因此本文在单阶段Anchor-Free目标检测器CenterNet的基础上加入旋转角度预测分支,使其能输出旋转边界框,以用于海上船只目标的检测.同时针对海上船只遥感数据集仅有水平边界框标注,无法直接适用于旋转框目标检测,且人工手动标注旋转框标签成本较高的问题,提出一种主动迁移学习的旋转框标签生成方法.首先,提出一种水平框-旋转框约束筛选算法,通过水平真值边界框来对旋转预测框进行监督约束,筛选出检测精度较高的图像加入训练集,然后通过迭代这一过程筛选出更多的图像,最后通过标签类别匹配,完成对数据集的旋转框自动化标注工作.本文最终对海上船只遥感图像数据集BDCI中约65.59％的图片进行旋转框标注,并手动标注部分未标注的图片作为测试集,将本文方法标注的图片作为训练集进行验证,评估指标AP50达到90.41％,高于其他旋转框检测器,从而表明本文方法的有效性.

关键词：遥感图像、旋转框目标检测、迁移学习、Anchor-Free、CenterNet

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;福建省大数据管理新技术与知识工程重点实验室开放课题

在线出版日期：2021-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：21-30