55 / 2024-08-13 22:38:23

基于实例掩膜的飞机检测器

遥感图像；深度卷积神经网络；飞机检测器

在遥感图像解译中飞机检测是一项有挑战性的任务。传统的基于锚框的方法通常比较密集且复杂，而基于关键点的检测器在匹配问题上表现不佳。依赖局部特征的基于线条的模型则受到边界粘连问题的困扰。此外，这些检测方法通常忽略了飞机的几何结构（如机身和机翼）的几何语义，从而降低了它们的鲁棒性，使其不太适合需要详细飞机尺寸和形状信息的下游任务。为了解决这些问题，我们提出了一种增强的实例级掩膜引导的飞机检测器，该检测器通过对飞机的几何结构建模来提升鲁棒性。实例级掩膜用于为每架飞机编码几何形状，并通过几何表面特征嵌入增强鲁棒性。它有助于确定更清晰的边界，从而更精确地定位近邻的飞机。此外，为了解决掩膜不完整问题并进一步提高掩膜质量，我们联合优化了机身和机翼支路的模型参数。实验结果表明，所提出的飞机检测器在Aircraft-KP和NWPU VHR-10数据集的综合测试中达到了98.5%的AP₅₀，较基线模型提升了3.8%。在FAIR1M数据集上的泛化性测试进一步证明了我们模型的鲁棒性十分优越，大幅超过了其他检测器。