Cascaded Zoom-in Detector for High ResolutionAerial Images

代码地址 https://github.com/akhilpm/dronedetectron2

摘要

密集裁剪是一种广泛使用的方法来改进这种小物体检测，其中以高分辨率提取和处理拥挤的小物体区域。然而，这通常是通过添加其他可学习的组件来实现的，从而使标准检测过程中的训练和推理变得复杂。本文中，我们提出了一种高效的级联放大（CZ ）检测器，该检测器将检测器本身重新用于密度引导的训练和推理。在训练过程中，密度裁剪物被定位，标记为一个新的类，并用于增强训练数据集。在推理过程中，密度裁剪物首先与基类对象一起被检测，然后被输入用于第二阶段的推理。这种方法很容易集成到任何检测器中，并且不会对标准检测过程产生显著变化，就像航空图像检测中流行的均匀裁剪方法一样。

总结

密集裁剪可以用来改进小物体检测，但是这通常是通过添加其他可学习的组件来实现的。但是，我们提 出了一种高效的级联放大（ CZ ）检测器，该检测器将检测器本身重新用于密度引导的训练和推理。

1、介绍

航空图像是高分辨率拍摄的，这些物体稀疏地分布在拥挤的物体区域，通常由许多小物体组成。高分辨率图像和微小物体给航空图像中的物体检测带来了一些挑战，包括由于重新缩放和特征下采样导致的信息丢失、对边界框偏移的低容忍度以及噪声特征表示[5 ， 8] 等。由于计算成本和大的内存占用，很难将高分辨率航空图像直接输入到检测器，因此通常会将其调整为标准分辨率范围（见图第2 （ a ）段）。

(a) 将图像缩放到探测器的尺寸下 。这种重新缩放，再加上 ConvNetx 中的特征下采样，通常会导致与小对象相关的特征表示因噪声背景激活而减少或损坏。关于边界框偏移的容差，边界框中的小偏移可能会导致并集上的交集（IoU ）大幅下降，从而增加假阳性检测 [5] 。（ 但是这种缩放不好，会导致小对象的 特征丢失 ）

为了利用更高的分辨率，并减轻信息损失，一种流行的方法是将输入图像裁剪成均匀的补丁，然后通过上采样对这些补丁进行高分辨率的对象检测（见图2 （ b ））（ b) 图像被分割成均匀、可能重叠的补丁， 每个补丁都有检测器处理 。

尽管这些均匀的补丁有助于提高精度，但 这种方法不考虑图像中对象的分布，因此实现的尺度归一化不 是最佳的 [17 ， 37] 。由于航空图像中的物体通常出现在图像稀疏分布的区域中，因此需要执行基于密度的裁剪，然后处理这些拥挤物体区域的高分辨率版本以获得更好的比例平衡。

为了提取这些密度裁剪，现有的方法利用了额外的可学习模块（见图 2 （ c ）），（ c) 外部可学习模块将 图像裁剪成密集的对象区域（也就是说只裁剪图像中的密集区域） 。 每种裁剪都会按照探测器的分辨率 重新缩放和处理 。

如密度图 [17] 、聚类建议网络 [37] 、全局局部检测管道