卫星图像中目标检测的建议 CNN 框架？

Question

我想在海洋的大型卫星场景中检测船只。我已成功将 matterport's Mask-RCNN setup 应用于卫星图像的小子集，但分析像 WorldView 这样的大图像太慢了。我正在寻找可以快速处理边界框的东西，它在 python 中，在 Keras 中实现，并且针对卫星图像进行了理想的优化（或有据可查，以便我可以对其进行优化）。有什么建议吗？

我发现了一些有希望的线索：

• You Only Look Twice，针对卫星图像优化的 YOLO 变体，但用 C 语言构建，没有很好的文档记录
  • 代码：https://github.com/avanetten/yolt
  • 论文：https://arxiv.org/pdf/1805.09512.pdf
• RasterVision：一个通用的基于 python 的框架，用于将 CNN 应用于卫星图像，看起来很有前途但刚刚起步
  • 代码：https://github.com/azavea/raster-vision
• 这个 Kaggle 竞赛有一些很有前途的信息，但在大约 18 个月大的时候有点过时了：
  • Link: https://www.kaggle.com/c/dstl-satellite-imagery-feature-detection

我可能会尝试根据 YOLT 论文中的建议为卫星图像自定义 RetinaNet in Keras 的实现，但我会喜欢其他建议！

Answer 1

我发现这个 link 由 Marc Belmont 利用 Tensorflow、Numpy 和 Pandas：https://github.com/marcbelmont/satellite-image-object-detection

Answer 2

这个问题现在长期没有答案，所以我想我会用我的解决方案来回答。我为一些卫星探测问题实施了 Retinanet，并取得了不错的效果。此 CNN 在论文 Focal Loss for Dense Object Detection 中有所概述，您可以在此处找到：https://arxiv.org/abs/1708.02002. I used this keras library for implementation: https://github.com/fizyr/keras-retinanet.

我用它来检测无人机图像中的海豹：https://bigdata.duke.edu/projects/deep-learning-aerial-wildlife-surveillance

无人机图像中的鸟类：https://research.repository.duke.edu/concern/datasets/kp78gh20s

甚至卫星图像中的鲸鱼。所有这些都在最小的调整下表现良好。