高清晰度航拍与遥感影像目标鲁棒性检测方法研究

Object detection in aerial and remote sensing images is an important way to get large-scale information of ground targets, which is a significant issue in computer vision. Aerial Object Efficient Detection can be widely used in aviation industry – both military and civilian. However, detecting objects in aerial and remote sensing images is challenged by variance of object colors, aspect ratios, cluttered backgrounds, and in particular, undetermined orientations. Consequently, object detection in aerial and remote sensing images remains a difficult problem far from being solved. Our main research objectives are as follow: 1) Propose a novel self-learning method to automatically find object in aerial and remote sensing images; 2) Try to elaborately design a feature extractor of orientation invariability that can handle the problems caused by orientations of aerial and remote sensing objects; 3) Propose an effective domain adaption algorithm to help detector handle the versatile and complex remote sensing scenarios; 4) Provide an aerial object detection dataset that contains hundreds of thousands more aerial and remote sensing images. The research is benefit to the application of aerial and remote sensing, and can be easily applied to other object detection fields.

随着航拍和遥感图像应用的不断发展，其影像数据规模急剧增大，如何有效利用如此大规模的数据发现有意义的军事与民用目标是一个具有显著意义的问题。由于这些目标有着与常规图像目标更复杂的姿态、旋转、尺度等变化，因此，此情景下的目标检测仍存在许多挑战性科学问题。本课题从弱监督目标发现、具有旋转不变性的新型深度特征设计、域自适应方法、大规模遥感图像数据集四个方面开展研究，将计算机视觉与机器学习最新算法应用于航拍与遥感图像目标检测领域。具体内容为：1)提出一种解决遥感场景下目标发现问题的域自学习方法；2)针对多角度目标检测问题，设计旋转鲁棒的特征提取方法，提高检测性能；3)研究不同数据场景之间的自适应学习问题，实现检测模型在航拍遥感两个数据域之间的迁移；4)制作可用于目标检测研究的十万量级大规模遥感图像数据集，供本领域研究使用。研究成果可扩展目标模型的应用范围，提高目标检测性能，推动航拍遥感应用的发展。

随着航拍和遥感图像应用的不断发展，其影像数据规模急剧增大，如何有效利用如此大规模的数据发现有意义的军事与民用目标是一个具有显著意义的问题。由于这些目标有着与常规图像目标更复杂的姿态、旋转、尺度等变化，因此，此情景下的目标检测仍存在许多挑战性科学问题。本课题从鲁棒性深度特征表达、特征自适应与增强方法、神经架构网络搜索和目标检测四个方面开展研究，将计算机视觉与机器学习最新算法应用于航拍与遥感图像目标检测领域。具体内容为：1)针对多角度与多尺度目标检测问题，提出了一种具备旋转不变性与尺度适应性的鲁棒深度特征提取方法，提高检测性能；2) 提出了一种基于注意力的特征自激活增强方法，用于高效的航拍目标样本挖掘；3) 探索了一种高效自动的神经网络架构搜索方法，用于提取高鲁棒性的目标特征。4）提出了一种新型单阶段目标检测算法，提高被遮挡航拍目标的检测性能。5）提出了一种基于凸包的目标建模方式，解决复杂场景的目标检测问题。研究成果可扩展目标模型的应用范围，提高目标检测性能，推动航拍遥感应用的发展。