卫星图像中的车辆分析--A Large Contextual Dataset for Classification, Detection and Counting of Cars

A Large Contextual Dataset for Classification, Detection and Counting of Cars with Deep Learning ECCV2016 https://gdo-datasci.ucllnl.org/cowc/

本文针对卫星图像中的车辆分析建立了一个新的数据库:Cars Overhead with Context (COWC),然后使用几个 CNN网络对该数据库进行了分析:主要是分类、检测、计数

首先来看看这个新的数据库 Cars Overhead with Context (COWC) 数据库含有 32716个不同的车,来自6个不同的图像库,图像覆盖的区域包括:Toronto Canada [5], Selwyn New Zealand [6], Potsdam [7] and Vaihingen Germany [8], Columbus [9] and Utah [4] United States。 我们的数据库还标记了 58247个有用的负样本,这些样本和正样本比较相似,难以区分,Examples of these are boats, trailers, bushes and A/C units context is included around targets. Context can help tell us something may not be a car (is sitting in a pond?) or confirm it is a car (between other cars, on a road).

我们对输入图像做了一个归一化,不用考虑车辆的尺度问题。 standardized to 15cm per pixel at ground level from their original resolutions. This makes cars range in size from 24 to 48 pixels。 车辆在图像中的尺寸是 24-48像素之间。有灰度图像,也有彩色图像。 quality, appearance or rotation 这些都是不可控的,需要通过算法来解决

图像是像素级标记的,每个车在其中心点标记一个 dot The image set is annotated by single pixel points. All cars in the annotated images have a dot placed on their center

对 occlusions, Large trucks, Vans and pickups 做了相应的约定。

我们从卫星图像中间隔的裁出图像块分别作为训练图像和测试图像

测试场景

这里我们对新的数据库上完成三个任务: 1)two-class classifier,即判断图像块中有无车辆 2) detection and localization 3) vehicle counting 这里没有密度图,走检测计数的路线

4 Classification and Detection 设计了一个新的网络结构

我们从卫星图像中裁出 256 × 256 大小的图像块 a set of 308,988 training patches and 79,447 testing patches

4.1 Does Context Help?

从上面可以看出,context 增加到一定之后,性能就下降了。

4.2 Detection

5 Counting

我们是对卫星图像分块计数的。

5.2 Counting Efficiency

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏有趣的Python

15- 深度学习之神经网络核心原理与算法-多gpu实现CNN图片分类

3613
来自专栏1039778的专栏

Python 数据分析学习笔记

一、基本语法 [1507772432114_7239_1507772402948.jpg] 资料地址:http://www.icoolxue.com/album...

9119
来自专栏人工智能

深度学习框架之一:Theano

正文共7163个字,1张图,预计阅读时间18分钟。 参考Lasagne官网(http://lasagne.readthedocs.io/en/latest/)t...

1896
来自专栏锦小年的博客

MNIST数据集的格式转换

以前直接用的是sklearn或者TensorFlow提供的mnist数据集,已经转换为矩阵形式的数据格式。但是sklearn体用的数据集合并不全,一共只有300...

2805
来自专栏AI研习社

博客 | MNIST 数据集载入线性模型

这节开始我们使用知名的图片数据库 「THE MNIST DATABASE」 作为我们的图片来源,它的数据内容是一共七a万张 28×28 像素的手写数字图片,并被...

1325
来自专栏人工智能LeadAI

Tensorflow高级API的进阶--利用tf.contrib.learn建立输入函数

在实际的业务中,可能会遇到很大量的特征,这些特征良莠不齐,层次不一,可能有缺失,可能有噪声,可能规模不一致,可能类型不一样,等等问题都需要我们在建模之前,先预处...

34610
来自专栏机器学习实践二三事

sklearn中的nearest neighbor

KNN介绍 基础原理没什么介绍的,可以参考我的KNN原理和实现,里面介绍了KNN的原理同时使用KNN来进行mnist分类 KNN in sklearn skle...

2277
来自专栏闪电gogogo的专栏

tensorflow

2611
来自专栏CDA数据分析师

教你一招 | Python 破解验证码

项目简介:本实验通过一个简单的例子来实现破解验证码,非常适合Python新手练手。从中我们可以学习到 Python 基本知识,PIL 模块的使用,破解验证码的原...

2355
来自专栏SnailTyan

Caffe源码解析(一) —— caffe.proto

caffe.proto是caffe数据结构定义的主要文件,本文主要是在caffe.proto代码的基础上加上了部分中文注释,其中的内容与caffe的protot...

4905

扫码关注云+社区