计算机视觉来看看苏伊士运河堵船（船舶检测）

欢迎关注“

计算机视觉研究院

”

计算机视觉研究院专栏

作者：Edison_G

近期苏伊士自从3月23日暴风雨天气使Ever Ever转向东侧搁浅以来，大约有320艘船正等待通过运河，如果工程师能够将其释放并将其移至港口，这将缓解运河上不断增长的压力。通过本次，正好可以运用船舶检测进行各种方案解决问题！

长按扫描二维码关注我们

长荣海运货柜轮长赐号从23日搁浅至今逾142小时，终于在29日重新上浮（refloated）成功。船运代理公司Inchcape和苏伊士运河管理局皆证实，长赐号已经重新漂浮在水面上，但目前还不清楚需要多少时间重启运河。

综合外媒报导，救援小组历经6天的开挖，已经清出至少3.7万立方公尺的淤泥，然而根据「VesselFinder」网站的追踪实时图可见，长赐号已经的船身已逐渐回正，船头的部分已经离开岸边。

今天我们也来说说船舶检测相关的计算机视觉相关知识！

一、简要

遥感图像中的船舶检测在各种应用中起着至关重要的作用，近年来受到越来越多的关注。然而，现有的多面向船舶检测方法通常是在一组预定义的旋转anchor boxes上开发的。这些预定义的框不仅导致不准确的角度预测，而且还引入了额外的超参数和较高的计算成本。此外，现有方法还没有充分利用船舶尺寸的先验知识，这阻碍了它们检测精度的提高。 

针对上述问题，有研究者提出了一种center-head point extraction based detector(命名为CHPDet)，以实现遥感图像中的任意方向船舶检测。CHPDet将面向任意方向的船只公式化为带有航向点的旋转框，用于确定方向。利用方位不变模型(OIM)生成方位不变特征映射。进行关键点估计，寻找船舶中心。然后，船舶的大小和 head points被回归。最后使用目标大小来调整结果。

此外，还介绍了一种新的用于固定ground sample distance(GSD)遥感图像中多类任意定向船舶检测的数据集，称为FGSD2021。在两个船舶检测数据集(即FGSD2021和HRSC2016)上的实验结果表明，CHPDET达到了最先进的性能，并且能够很好地区分船头和船尾。代码和数据集将公开提供。

船舶的四种不同表示和角度回归方案的缺点。

(a) Horizontal boxes parameterized by 4 tuples (xmin, ymin, xmax, ymax). (b) Rotated box with the angle parameterized by 5 tuples (xc, yc, w, h, θ). (c) Rotated box with vertices (a, b, c, d), parametrized by 8 tuples (xa, ya, xb, yb, xc, yc, xd, yd). (d) Rotated box with head point which is parameterized by 6 tuples (xc, yc, w, h, xh, yh). (e) A small angle disturbance will cause a large IoU decrease. (f) The angle is discontinous when reaches its range boundary.

二、overall framework

为了解决现在遇到的常见问题，研究者提出了CHPDet，以实现遥感图像中任意方向的舰船探测。CHPDet将面向任意方向的船只公式化为带有航向点的旋转框，用于确定方向。执行关键点估计以找到船只的中心。然后，将船只的大小和航向点进行回归。最后使用目标大小来调整结果。

A：Arbitrary-oriented ship representation

B：Feature extraction

C：Center point detection

D：Size regression

E：Head Point estimation

F：Refine probability according to size

具体公式推导可以自行看论文熟知，或者后期我们针对框架公式进行详细分析。论文地址：https://arxiv.org/pdf/2101.11189.pdf

三、实验结果

© THE END

我们开创“计算机视觉协会”知识星球一年有余，也得到很多同学的认可，我们定时会推送实践型内容与大家分享，在星球里的同学可以随时提问，随时提需求，我们都会及时给予回复及给出对应的答复。

如果想加入我们“计算机视觉研究院”，请扫二维码加入我们。我们会按照你的需求将你拉入对应的学习群！

计算机视觉研究院主要涉及深度学习领域，主要致力于人脸检测、人脸识别，多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架，我们这次改革不同点就是，我们要着重”研究“。之后我们会针对相应领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！

计算机视觉研究院

长按扫描二维码关注我们