本篇对航拍影像相关论文进行总结,包含对遥感(卫星、航空、无人机)影像的分类、分割、检测、去雾、定位等技术,还有对无人驾驶飞行器(UAVs)的机载径向失真进行实时校正的研究。
共计 7 篇。如有遗漏,欢迎补充。
下载包含这些论文的 WACV 2021 所有论文:
『WACV 2021 开幕,更偏重技术应用,附论文下载』
作者证明尺度变化在 RS 图像域适应中不可或缺的,但现有的工作还没有对此有很深的研究。在本文中提出尺度自适应框架,用于跨位置语义分割,其中包括一个新的尺度判别器和一个尺度关注模块,以方便训练。证明了尺度感知适应能带来显著的性能提升。
提出的方法在几个跨数据集分割任务上,如 Potsdam ↔ Vaihingen 和DeepGlobe ↔ Vaihingen,优于最先进的域适应方法。
作者 | Xueqing Deng, Yi Zhu, Yuxin Tian, Shawn Newsam
单位 | 加州大学美熹德分校;亚马逊
论文 | https://arxiv.org/abs/2012.04222
代码 | https://github.com/xdeng7/scale-aware_da
MSNet: A Multilevel Instance Segmentation Network for Natural Disaster Damage Assessment in Aerial Videos
MSNet:用于航空视频自然灾害评估的多级实例分割网络
本文研究通过航空视频分析,有效评估飓风、洪水或火灾等自然灾害后的建筑物损失问题。
做出了两个主要贡献:
第一个贡献是一个新的数据集,包括来自社交媒体用户生成的航拍视频,并带有实例级的建筑损伤掩码标注。为利用航拍视频评估建筑物损伤的模型的定量评估提供了第一个基准。
第二个贡献是一个新的模型:MSNet,包含了新的区域 proposal 网络设计和一个无监督的分数细化网络,用于边界盒和掩模分支的置信度分数校准。
实验表明,新的模型和新的数据集与以前的方法相比,取得了最先进的结果。
作者表示将发布数据、模型和代码。
作者 | Xiaoyu Zhu, Junwei Liang, Alexander Hauptmann
单位 | 卡内基梅隆大学
论文 | https://w.url.cn/s/AC2eIwl
代码 | https://github.com/zgzxy001/MSNET
本次研究主要解决航空图像雾霾问题。
作者提出 SkyGAN,由域感知 hazy-to-hyperspectral(H2H)模块、基于条件GAN(cGAN)的多线索图像到图像翻译模块组成共同除雾。
其中 H2H 模块以无监督的方式从 RGB 图像中重建多个 visual bands,克服了高光谱航空图像数据集薄雾朦胧的不足。利用任务监督和域适应,为图像去雾创建一个"hyperspectral catalyst"。
I2I模块使用 "hyperspectral catalyst" 和 12-channel 多线输入,通过利用整个视觉光谱进行有效的图像去雾。
另外,作者还引入一个数据集:Hazy Aerial-Image (HAI) ,包含 65000 多对具有真实的、非均匀的不同密度的朦胧和 ground truth 航空图像。在 SateHaze1k 数据集和 HAI 数据集上对 SkyGAN 的性能进行了评估。
作者 | Aditya Mehta, Harsh Sinha, Murari Mandal, Pratik Narang
单位 | BITS Pilani;IIIT Kota
论文 | https://arxiv.org/abs/2011.03677
Oriented Object Detection in Aerial Images With Box Boundary-Aware Vectors
提出一个简单有效的策略:BBAVectors 来描述带方向的目标。BBAVectors 是在同一笛卡尔坐标系中对所有任意方向的目标进行测量。与之前的学习目标的宽度、高度和角度的基线方法相比,BBAVectors的性能更好。
将基于中心关键点的目标检测器扩展到定向目标检测任务中。该模型的特点:单阶段、anchor box free、快速和准确。在 DOTA 和 HRSC2016 数据集上实现了最先进的性能。
作者 | Jingru Yi, Pengxiang Wu, Bo Liu, Qiaoying Huang, Hui Qu, Dimitris Metaxas
单位 | 罗格斯大学
论文 | https://arxiv.org/abs/2008.07043
代码 | https://github.com/yijingru/BBAVectors-Oriented
-Object-Detection
目前无人机图像目标检测存在的问题是无人机图像类别分布分布,就此问题,作者提出 Dual Sampler and Head detection Network (DSHNet),是首个旨在解决无人机图像中长尾分布的工作。DSHNet 的关键组成是 Class-Biased Samplers (CBS) 和 Bilateral Box Heads (BBH),是为应对尾部类和头部类的双路径方式而开发。
DSHNet显著提升了尾类在不同检测框架上的性能。并在 VisDrone 和UAVDT 数据集上,性能明显优于基础检测器和通用方法。当与图像裁剪方法等数据增广方法相结合时,它实现了新 SOTA。
作者 | Weiping Yu, Taojiannan Yang, Chen Chen
单位 | 北卡罗来纳大学夏洛特分校
论文 | https://arxiv.org/abs/2011.03822
代码 | https://github.com/we1pingyu/DSHNet
街景图像到航空图像的地理定位与方向估计研究
作者 | Xiaoyu Zhu, Junwei Liang, Alexander Hauptmann
单位 | 北卡罗来纳大学夏洛特分校
论文 | https://arxiv.org/abs/2006.16479
对无人驾驶飞行器(UAVs)的机载径向失真进行实时校正的研究。
作者 | Marcus Valtonen Örnhag, Patrik Persson, Mårten Wadenbäck, Kalle Åström, Anders Heyden
单位 | 隆德大学;林雪平大学
论文 | https://arxiv.org/abs/2010.04203
【推荐阅读】
WACV 2021 论文大盘点-人体动作检测与识别篇
WACV 2021 论文大盘点-图像质量篇
WACV 2021 论文大盘点-智能驾驶篇
WACV 2021 论文大盘点-图像与视频检索篇
WACV 2021 论文大盘点-姿态估计篇
WACV 2021 论文大盘点-目标跟踪篇
WACV 2021 论文大盘点-GAN篇
WACV 2021 论文大盘点-行人监控篇
WACV 2021 论文大盘点-图像分割篇
WACV 2021 论文大盘点-目标检测篇
WACV 2021 论文大盘点-人脸技术篇
WACV 2021 论文大盘点-图像分类篇
- END -
编辑:CV君
转载请联系本公众号授权
备注:遥感
遥感交流群
遥感、航拍、卫星、无人机等技术,
若已为CV君其他账号好友请直接私信。
OpenCV中文网
微信号 : iopencv
QQ群:805388940
微博/知乎:@我爱计算机视觉
网站:www.52cv.net
在看,让更多人看到