[论文解读] Fast and Accurate, Convolutional Neural Network Based Approach for Object Detection from UAV

Xiaoliang Wang, Peng Cheng+2 more|arXiv (Cornell University)|Aug 16, 2018

Advanced Neural Network Applications参考文献 54被引用 5

一句话总结

本文提出了一种基于RetinaNet（一种带有焦点损失的一阶段卷积神经网络）的快速且准确的无人机影像目标检测方法，在斯坦福行人数据集（SDD）上实现了最先进性能。该方法在高精度和高速推理下高效检测航空影像中的目标，展示了焦点损失在处理无人机目标检测任务中类别不平衡问题上的有效性。

ABSTRACT

Unmanned Aerial Vehicles (UAVs), have intrigued different people from all walks of life, because of their pervasive computing capabilities. UAV equipped with vision techniques, could be leveraged to establish navigation autonomous control for UAV itself. Also, object detection from UAV could be used to broaden the utilization of drone to provide ubiquitous surveillance and monitoring services towards military operation, urban administration and agriculture management. As the data-driven technologies evolved, machine learning algorithm, especially the deep learning approach has been intensively utilized to solve different traditional computer vision research problems. Modern Convolutional Neural Networks based object detectors could be divided into two major categories: one-stage object detector and two-stage object detector. In this study, we utilize some representative CNN based object detectors to execute the computer vision task over Stanford Drone Dataset (SDD). State-of-the-art performance has been achieved in utilizing focal loss dense detector RetinaNet based approach for object detection from UAV in a fast and accurate manner.

研究动机与目标

• 开发一种专用于无人机影像的快速且准确的基于深度学习的目标检测系统。
• 解决在航空影像目标检测中因类别不平衡带来的挑战，采用焦点损失进行优化。
• 在无人机数据集上评估并比较最先进CNN-based检测器的性能，特别是斯坦福行人数据集（SDD）。
• 证明将一阶段检测器（如RetinaNet）部署于实时无人机监控与监视应用中的可行性。

提出的方法

• 采用RetinaNet作为骨干模型，实现无人机影像中端到端的目标检测。
• 引入焦点损失，以缓解航空影像中常见的前景-背景类别极端不平衡问题。
• 在包含城市环境中多样化行人与车辆目标的斯坦福行人数据集（SDD）上训练模型。
• 使用特征金字塔网络（FPN）提升多尺度目标检测性能。
• 通过迁移学习与数据增强技术，提升在有限无人机数据上的泛化能力。
• 通过模型架构效率与轻量化头部设计，优化推理速度。

实验结果

研究问题

• RQ1 像RetinaNet这样的单阶段CNN检测器是否能在无人机影像目标检测中实现最先进精度与速度？
• RQ2 焦点损失在严重类别不平衡的无人机数据集上是否显著提升检测性能？
• RQ3 在斯坦福行人数据集上，RetinaNet相较于其他单阶段与两阶段检测器的性能如何？
• RQ4 模型效率在多大程度上支持无人机监控系统中的实时部署？

主要发现

• 结合焦点损失的RetinaNet在斯坦福行人数据集（SDD）上实现了无人机目标检测的最先进性能。
• 该模型表现出极高的推理速度，适用于无人机平台上的实时应用。
• 焦点损失通过聚焦于难分类样本的训练，显著提升了检测精度，尤其对小目标效果明显。
• 在一阶段检测器中，该方法在速度与精度上均优于或匹配两阶段检测器，在此航空基准测试中表现优异。
• 该方法在具有不同目标尺度与遮挡情况的多样化城市场景中具有良好泛化能力。