阅读735 返回首页    go 财经资讯


间谍卫星的基础?YOLT——利用卷积神经网络对卫星影像进行多尺度目标检测(Part I)

首发地址:https://yq.aliyun.com/articles/64445


本文由北邮@- 老师推荐,组织翻译。

以下为译文: 9b10b6d6a2c8e92f9d4dbdea63c5a0ee790a86bb

Part I

在大片物体中检测小物体一直是卫星图像分析感兴趣的主要点之一。早期的工作是利用本地滑动窗和HOG

卫星图像目标检测概述

ImageNet

0296b2799d992953741ea2fa5b1d356addb808ae 

1. 

HOG

HOG+

99dd33dd6aac12a5fdd58ee12fe514f9c74cc45e 

2.HOG+

使用深度学习进行物体检测

YOLO

CNN

ddefdcf7f3e9d8898f7dfcf63965a966928bcdf0 

3. 

该框架确实是有些局限性,但在中封装了三个问题,具体问题可以参看文献和原文

YOLT

YOLT

YOLT

训练数据收集大图像中的小块,每个对象的标签是由边界框和类标识符组成。

主要集中以下四类:

  •  
  •  
  •  
  •  

b7ad17937438d699d2b99bb7bf75d915384caefa

4. YOLT

fa416cef697e1dcd85e653ba34753ca96198a39e 

5. 

YOLT

HOG+具体性能分析请见原文。

d97af6f2776f5011ae89c2e997aca4b9fcf79429 

6. YOLT

703df51bb612d0f4f8d2303eaa68c1cb46117c41 

7. YOLT

3066516990394ec10e40c07ba8056b7722c573a1

8. YOLT

0d0446626d702de91513ad700721858fe5f7550e

9. YOLT

  c1dcdf6f767eed85acbcba4d77853cec35b8dcae

10. YOLT

a9d600c9c2f9913ae5a7b2090d09153742293956 

11. YOLT

 25b00743795196e1fbccb721f5f2c251806176a4

12. YOLT

结论

YOLT

Part II

You Only Look TwiceAdam Van Etten

文章为简译,更为详细的内容,请查看原文

最后更新:2017-07-12 22:06:49

  上一篇:go  最前沿:图文结合详解深度学习Memory & Attention
  下一篇:go  多重角度解读:贝叶斯推理是怎么工作的