摘要: 遥感图像中目标具有方向任意性和排列紧密性的特点,在检测任务中使用倾斜边界框可以更加精确定位和分离目标。目前遥感图像旋转目标检测已经广泛应用于民用和军事国防领域,具有重要的研究意义和应用价值,已逐步成为研究热点。鉴于此,对遥感图像中旋转目标检测方法进行了系统性总结。首先,介绍了三种常用的倾斜边界框的表示形式。其次,重点阐述全监督学习下的特征错位、边界不连续、度量值与损失不一致性、旋转目标定位四个挑战。然后,根据不同的动机和改进策略,详细阐述了每种方法的核心思想及其优缺点,归纳出旋转目标检测方法框架。接着,列举了旋转目标检测在遥感领域常用数据集,给出了经典方法在不同数据集上的实验结果,并对不同方法的性能进行了评估。最后,结合深度学习应用于遥感图像旋转目标检测任务中存在的挑战,对该方向的未来发展趋势进行了展望。

随着科学技术的不断发展和经济实力的不断提 升,截至 2022年 12月 31日,全球共有 6 718颗在轨活 跃卫星,其中超1 100颗卫星用于地球观测任务(Union of Concerned Scientists Satellite Database, https:// www.ucsusa.org/resources/satellite- database),这 使 得 可获取的卫星数据量成指数级增长,也为科学研究 提供了更加丰富的数据资源。然而,受时间差异、传 感器差异和空间差异等众多因素的影响,如何从遥 感图像中获取有效信息成为目标检测在遥感领域发 展的关键问题。目标检测作为遥感图像处理领域的 基础任务之一,具有重要的应用价值。在民用领域, 船舶的精确定位有利于海上救援和渔业管理,车辆 定位有利于交通疏导等。在军事国防领域,目标检 测常被用于精准定位军事目标,从而及时分析战时 局势并制定行动计划。 面对丰富的遥感影像资源,若是只依赖于人工 提取目标的类别、方向、位置、尺寸等有效信息,其效 率低、成本高,且在实际应用场景中无法快速准确获 取目标信息,因此对目标检测算法提出了更高的技 术要求,而基于深度学习的遥感图像旋转目标检测 的研究恰能解决上述困难。 遥感图像旋转目标检测是指在给定的遥感图像 中判断是否包含感兴趣的目标,如飞机、车辆、船只 等,并以倾斜边界框的标注方式对目标进行定位。 随着深度学习的迅速发展,神经网络提取特征信息 的能力进一步推动了遥感领域目标检测的发展。然 而,与自然场景下的图像相比,遥感图像存在背景复 杂、目标方向任意、排列密集等问题,而现有的基于 深度学习的目标检测算法尚不能在遥感领域取得优 异的表现,因此许多专家学者针对遥感图像的特点, 以自然场景下的目标检测算法为基础,提出大量的 改进方案[1- 5],遥感图像中旋转目标检测算法则是基 于遥感图像水平边界框目标检测算法进一步发展而来。 经典的基于深度学习的目标检测算法大致可以 划分为双阶段算法和单阶段算法。以 R-CNN 系列[6-9] 为代表的双阶段算法,需要分成两个阶段完成检测 流程。首先提取图像中感兴趣的区域,然后对每个 区域做分类和回归。尽管双阶段检测算法在检测精 度上表现良好,但在检测速度上较慢且计算量较 大。相反,以 SSD(single shot multibox detector)[10]和 YOLO(you only look once)系列[11-13]为代表的单阶段 算法,只需要一个阶段就能完成检测流程,没有候选 区域生成的环节,通过网络提取的特征可以直接输 出目标的位置和类别,其检测速度较快,能够满足系 统实时性的要求,但检测精度略低于双阶段算法。 当前大多数深度学习目标检测算法都由上述经 典的模型改进而来,但自然场景下的检测模型大多 采用水平边界框标注,若直接用于检测遥感图像中 方向任意排列紧密的目标,则会表现不佳,而采用旋 转目标检测算法可以一定程度上缓解此问题。与水 平边界框相比,在遥感场景中使用旋转边界框主要 有三个优势[14]:一是能够反映目标的真实长宽比;二 是旋转边界框能够将目标与背景有效分离;三是有 利于分离密集排列的目标。水平边界框与旋转边界 框的可视化对比如图 1 所示。由于在遥感图像中目 标大多朝向各异且排列密集,研究遥感图像旋转目 标检测问题具有重要意义。

当前,针对遥感场景下目标检测的文献综述已 有许多,有学者针对基于深度学习的光学遥感图像 目标检测方法进行系统梳理和研究[15-17];也有部分学 者对舰船、飞机等特定目标的检测进行分析总结[18-21]; 此外,王盛铭等[22]还重点针对高光谱遥感图像中目标检测进行了归纳整理。虽然近期也有关于倾斜边界 框目标检测的综述性文章[23-24],其主要关注倾斜框检 测算法的发展历程,或是从解决方案出发总结每一 类方法可以实际解决的问题,但缺乏对阻碍模型检 测效果的算法难点进行分析总结。 鉴于目前基于深度学习的遥感图像旋转目标检 测的综述文献较少,为了使广大科研工作者对该领 域的现状及最新进展有更加全面清晰的了解,本文 重点针对其所面临的突出问题和解决方法进行系统梳理。

成为VIP会员查看完整内容
19

相关内容

机器学习的一个分支,它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
光学遥感图像目标检测数据集综述
专知会员服务
20+阅读 · 3月29日
基于深度学习的无人机目标检测研究综述
专知会员服务
83+阅读 · 2023年6月22日
遥感图像云检测方法综述
专知会员服务
29+阅读 · 2023年1月28日
小样本困境下的图像语义分割综述
专知会员服务
28+阅读 · 2023年1月24日
无人机视角下的目标检测研究进展
专知会员服务
91+阅读 · 2023年1月22日
专知会员服务
44+阅读 · 2021年9月9日
专知会员服务
34+阅读 · 2021年8月27日
基于深度学习的图异常检测技术综述
专知会员服务
78+阅读 · 2021年7月28日
小目标检测技术研究综述
专知会员服务
113+阅读 · 2020年12月7日
专知会员服务
45+阅读 · 2020年12月4日
航空制造知识图谱构建研究综述
专知
24+阅读 · 2022年4月26日
智能合约的形式化验证方法研究综述
专知
13+阅读 · 2021年5月8日
图像修复研究进展综述
专知
16+阅读 · 2021年3月9日
基于深度学习的数据融合方法研究综述
专知
27+阅读 · 2020年12月10日
时空序列预测方法综述
专知
17+阅读 · 2020年10月19日
编辑推荐 | 红外弱小目标检测算法综述
中国图象图形学报
20+阅读 · 2020年10月12日
事件知识图谱构建技术与应用综述
专知
21+阅读 · 2020年8月6日
领域知识图谱研究综述
专知
15+阅读 · 2020年8月2日
【工大SCIR笔记】多模态信息抽取简述
深度学习自然语言处理
18+阅读 · 2020年4月3日
基于深度学习的目标检测算法综述
AI研习社
14+阅读 · 2018年4月25日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
Arxiv
125+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
312+阅读 · 2023年3月31日
Arxiv
52+阅读 · 2023年3月26日
Arxiv
106+阅读 · 2023年3月24日
Arxiv
14+阅读 · 2023年3月17日
VIP会员
相关VIP内容
光学遥感图像目标检测数据集综述
专知会员服务
20+阅读 · 3月29日
基于深度学习的无人机目标检测研究综述
专知会员服务
83+阅读 · 2023年6月22日
遥感图像云检测方法综述
专知会员服务
29+阅读 · 2023年1月28日
小样本困境下的图像语义分割综述
专知会员服务
28+阅读 · 2023年1月24日
无人机视角下的目标检测研究进展
专知会员服务
91+阅读 · 2023年1月22日
专知会员服务
44+阅读 · 2021年9月9日
专知会员服务
34+阅读 · 2021年8月27日
基于深度学习的图异常检测技术综述
专知会员服务
78+阅读 · 2021年7月28日
小目标检测技术研究综述
专知会员服务
113+阅读 · 2020年12月7日
专知会员服务
45+阅读 · 2020年12月4日
相关资讯
航空制造知识图谱构建研究综述
专知
24+阅读 · 2022年4月26日
智能合约的形式化验证方法研究综述
专知
13+阅读 · 2021年5月8日
图像修复研究进展综述
专知
16+阅读 · 2021年3月9日
基于深度学习的数据融合方法研究综述
专知
27+阅读 · 2020年12月10日
时空序列预测方法综述
专知
17+阅读 · 2020年10月19日
编辑推荐 | 红外弱小目标检测算法综述
中国图象图形学报
20+阅读 · 2020年10月12日
事件知识图谱构建技术与应用综述
专知
21+阅读 · 2020年8月6日
领域知识图谱研究综述
专知
15+阅读 · 2020年8月2日
【工大SCIR笔记】多模态信息抽取简述
深度学习自然语言处理
18+阅读 · 2020年4月3日
基于深度学习的目标检测算法综述
AI研习社
14+阅读 · 2018年4月25日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员