python - 用于卫星图像中目标检测的建议 CNN 框架？

Question

我正在寻找在海洋的大型卫星场景中检测船只。我已经成功地将matteport 的 Mask-RCNN 设置应用于卫星图像的小子集，但是分析像 WorldView 这样的大图像太慢了。我正在寻找可以快速做边界框的东西，在 python 中，在 Keras 中实现，并针对卫星图像进行了理想优化（或有据可查，以便我可以优化它）。有什么建议么？

我发现了一些有希望的线索：

• You Only Look Twice，YOLO 变体针对卫星图像进行了优化，但内置于 C 语言中，并且没有很好的文档
  • 代码：https ://github.com/avanetten/yolt
  • 论文：https ://arxiv.org/pdf/1805.09512.pdf
• RasterVision：一个基于 python 的通用框架，用于将 CNN 应用于卫星图像，看起来很有前途但还处于萌芽状态
  • 代码：https ://github.com/azavea/raster-vision
• 这个 Kaggle 比赛有一些很有希望的信息，但在大约 18 个月大的时候有点过时了：
  • 链接：https ://www.kaggle.com/c/dstl-satellite-imagery-feature-detection

根据 YOLT 论文的建议，我可能会尝试在Keras 中为卫星图像自定义 RetinaNet 的实现，但我会喜欢其他建议！

Answer 1

我发现 Marc Belmont 使用 Tensorflow、Numpy 和 Pandas 的这个链接： https ://github.com/marcbelmont/satellite-image-object-detection

Answer 2

这个问题现在很久没有答案了，所以我想我会用我的解决方案来回答。我为一些卫星检测问题实施了视网膜网络，效果很好。该 CNN 在论文 Focal Loss for Dense Object Detection 中进行了概述，您可以在此处找到：https ://arxiv.org/abs/1708.02002 。我使用这个 keras 库来实现：https ://github.com/fizyr/keras-retinanet 。

我用它来检测无人机图像中的海豹：https ://bigdata.duke.edu/projects/deep-learning-aerial-wildlife-surveillance

无人机图像中的鸟类：https ://research.repository.duke.edu/concern/datasets/kp78gh20s

甚至卫星图像中的鲸鱼。所有这些都做得很好，只需很少的调整。