تشخیص اجسام قوی جهت یابی
ترجمه نشده

تشخیص اجسام قوی جهت یابی

عنوان فارسی مقاله: تشخیص اجسام قوی جهت یابی در تصاویر هوایی بر اساس سرکوب غیر حداکثر چرخشی (R-NMS)
عنوان انگلیسی مقاله: Orientation Robust Object Detection in Aerial Images Based on R-NMS
مجله/کنفرانس: علوم کامپیوتر پروسیدیا – Procedia Computer Science
رشته های تحصیلی مرتبط: مهندسی کامپیوتر
گرایش های تحصیلی مرتبط: معماری سیستم های کامپیوتری
کلمات کلیدی فارسی: تشخیص اجسام، تصاویر هوایی، قدرت جهت یابی، سرکوب غیر حداکثر چرخشی (R-NMS)
کلمات کلیدی انگلیسی: Object detection; aerial images; orientation robust; rotated non-maximum suppression (R-NMS
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.procs.2019.06.102
دانشگاه: School of Information Science and Engineering, Central South University, Changsha 410012, China
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 1.257 در سال 2018
شاخص H_index: 47 در سال 2019
شاخص SJR: 0.281 در سال 2018
شناسه ISSN: 1877-0509
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 7
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E12363
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
فهرست انگلیسی مطالب

Abstract


1-Introduction


2-Proposed Approach


3-Experiments and analysis


4-Conclusion


References

نمونه متن انگلیسی مقاله

Abstract


Object detection in aerial images is a challenging task which plays an important role in many fields, such as intelligent traffic management, fishery management and so on. Different from object detection in natural images, the orientation of objects in aerial images is arbitrary. The axis-aligned bounding box detection, which is always used in traditional object detection methods, will cover a lot of redundant information and deteriorate the detection results when it is used to locate the object in aerial images. Therefore, traditional object detection methods are no longer applicable for aerial images. In order to promote the object detection performance in aerial images, we propose a novel orientation robust object detection model based on rotated non-maximum suppression (R-NMS). In addition, we adjust the anchor setting according to the diversity shapes of the aerial objects to enhance the performance of the model. Our model is tested on the public DOTA dataset, and the mAP is 16.31% higher than the baseline, indicating that our method is very effective and competitive in the object detection of aerial image.


Introduction


In recent years, inspired by deep learning, significant progress has been made in object detection. By learning the in-depth presentation of the region of interest (RoI), the deep learning-based detectors make it possible to precisely locate and classify objects on the image. There are many works, such as R-CNN1, Fast R-CNN2, Faster R-CNN3, YOLO4, YOLO90005 and so on, have achieved excellent performance on object detection task in natural scenes. However, these methods are horizontal region-based detection methods and are not suitable for aerial image detection tasks because of the arbitrary rotation characteristics of aerial objects. Using axis-aligned bounding boxes to locate tilted objects will cover many redundant areas (i.g., background or adjacent objects), especially in dense object scenes as shown in Fig.1(a). In this case, axis-aligned bounding boxes are not conducive to the processing of non-maximum suppression (NMS) and are prone to missing detection. Therefore, although many previous methods achieve the state-of-the-art in natural scene, they are not quite suitable for object detection in aerial images.

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

تشخیص اجسام قوی جهت یابی
نوشته های مرتبط
مقالات جدید
لوگوی رسانه های برخط

logo-samandehi

پیوندها