沈阳自动化所基于深度学习的航拍图像目标检测研究取得进展

检测网络示意图

近日，中国科学院沈阳自动化研究所创新性地提出了去除航拍图像检测结果中误检目标的方法，并针对航拍图像特性设计了相应的检测网络。相关成果发表在Sensors上。

航拍图像的目标检测在农业、资源勘探等领域有着广泛的应用需求，上述场景中严格的检测要求也推动了检测算法的改进创新。在基于深度学习的目标检测方法中主要有两种类型的优化手段：针对待检测目标特性优化检测网络框架；优化检测结果后处理方法。

基于深度学习的目标检测方法在航拍图像目标检测中已有相关研究，但由于航拍图像的固有特性，既有检测方法的结果不佳，存在较多误检和漏检情况。现有检测方法多关注于提高检测网络对目标的检出能力。而该研究则从去除检测结果中误检目标的角度出发，创新性地提出Dual-NMS算法，通过统计各个检出目标周围生成检测框的密度和相应的分类置信度，实现自主地去除检测结果中的误检目标，大幅提高了检测结果精度。在最新的研究中进一步将误检目标的判断结果作为网络训练的约束项，从根本上加强了检测网络提取待检测目标抽象特征的能力。

此外，该研究还将目标间的相关性引入检测网络，增强了该方法对目标的检出能力。实验结果表明，Dual-NMS能够去除近50%的误检目标，优化后的检测网络较现有算法性能更佳。