亚马逊云科技最新赛事思路拓展 | 如何实现超大尺寸图像快速识别？

Posted 2022-07-13 Datawhale

近期开赛的亚马逊云科技【AI For Good - 2022 遥感光学影像目标检测挑战赛】中，动辄超过10000 x 10000的卫星遥感图像让许多选手感到头疼。同时遥感影像中目标尺寸差别大、角度各异也导致常见的CV框架难以实现快速精准的目标识别。

目前比较成熟的卫星图像识别算法并不少，但大多依托于强大的计算资源，为了用有限的计算资源实现大尺寸图像识别，我们找到了一个可行的开源框架，给大尺寸图像识别提供了不错的思路。

YOLT 是一个基于YOLO v2的卫星图像识别开源算法，核心思路是：

1. 通过图片裁切和图像网络重构解决图像尺寸问题；

2. 通过“上采样”提升小而聚集的目标的检测精度；

3. 通过将不同尺寸模型融合，提升整体检测精度。

YOLT项目地址：GitHub - avanetten/yolt: You Only Look Twice: Rapid Multi-Scale Object Detection In Satellite Imagery

YOLO是经典的图像识别算法，YOLT在YOLO的基础上针对卫星图像特有的问题提出了特定的解决思路。详细思路参见论文「You Only Look Twice: Rapid Multi-Scale Object Detection In Satellite Imagery」（GitHub项目中附有论文链接）。

▲左侧为常见问题，右侧为解决办法

1. 针对物体尺寸不规则、方向多样的问题，YOLT对卫星图像数据进行尺寸变换与旋转等数据增强的处理。

2. 针对目标尺寸过小并聚集的问题，YOLT框架主要采用3种方式进行处理：

(1) 修改图像网络结构，将YOLO v2框架中的stride由32改为16，有利于检测出大小在32 x 32以下的目标

(2) 对图像进行上采样，完成图片的“解压缩”操作，即把原先的图片放大，以便检测小而密集的物体

(3) 将不同尺寸的检测模型进行融合，即Ensemble操作，由于不同目标的尺寸差异可能较大，如海港与船只、机场与飞机，Ensemble操作能够提升大尺寸差异下的识别精度。

针对卫星图像尺寸过大的问题，YOLT采用切块的方式，将原始图像切割成小块后输入模型进行训练，并结合2-（3）进行模型融合。

▲ YOLT的网络结构，输出特征尺寸多为26 x 26，可以提升检测精度

应用实例

从下面的检测实例中，我们可以看到YOLT是如何工作的：

首先，开发团队将一张卫星图片调整至416 x 416大小（如上左），发现无法检测出车辆目标；

而从原图中切割出416 x 416的区域（称其为Chips）则可以实现部分车辆目标的检测。

顺着这个思路，开发团队采用划窗方式将原始图像切割为许多chips，并使相邻chips之间有一定重合（如上图），以确保图像检测的完整性。

再利用NMS算法将重复检测过滤，最后将各块的检测结果进行融合，即可得出最后的结果。

▲ 检测实例：采用YOLT v4识别机场中的飞机

YOLT的思路不止可以应用于卫星图像识别，同样可以在目标尺寸小且密集的其他类图像识别问题中发挥作用。

对本次亚马逊【AI For Good - 2022 遥感光学影像目标检测挑战赛】的选手而言，YOLT的解决思路能够帮助大家越过图片尺寸过大的第一道坎。

大赛报名将持续到8月24日，还没有参赛的同学依然有充足的时间备赛。

  扫描下方二维码或点击阅读原文  

  参与报名  

▼

❈ 赛事福利 ❈