Density Map Guided Object Detection in Aerial Images （论文阅读笔记）

Density Map Guided Object Detection in Aerial Images 论文阅读笔记

出处：CVPR2020

一、介绍

文章主要研究的是基于高分辨率航拍图像的目标检测，其难点有二：1)目标尺度变化较大； 2) 目标的数量和类别分布不均匀；3)目标遮挡和截断；4)小目标占比多。

比较通用的方法是将图像进行规则的裁剪，然后对每一块裁剪区域分别进行目标检测。这种方法能够提高小目标的检测精度，因为当小物体的大小被调整到原始图像的大小时，它们的分辨率会变得更高。然而这些方法并不能平衡裁剪所导致的语义信息的丢失，除此之外，大的物体也可能会被裁剪成多份。

所以，文章重点关注图像的裁剪策略来解决这一问题，并提出了一种基于密度图指导的目标检测网络——DMNet，其包含三个主要的模块：

1. 密度图生成模块
2. 图像裁剪模块
3. 目标检测模块
   

启发于密度图中显示了物体是如何根据图的像素强度进行分布的。随着像素强度的变化，它能够判断一个区域是否有物体，根据密度强度学习尺度信息，最终形成裁剪区域。

二、相关工作

2.1 通用目标检测

基于提议的检测器引入了多级锚框的概念。Fast R-CNN通过选择性搜索生成提议，然后根据这些提议提取特征并对对象进行分类。Faster R-CNN通过区域提议建议网络(RPN)生成建议框，显著提高推理速度。Mask R-CNN扩展了Faster R-CNN，同时执行检测和实例分割任务。

另一方面，