Bir Küçük Nesne Tespit Zorluğu Olarak Hava Görüntülerinden Araç Tespiti

Er Ö., Bilge H. Ş.

Veri Bilimi, cilt.4, sa.1, ss.73-83, 2021 (Hakemli Dergi)

  • Yayın Türü: Makale / Tam Makale
  • Cilt numarası: 4 Sayı: 1
  • Basım Tarihi: 2021
  • Dergi Adı: Veri Bilimi
  • Derginin Tarandığı İndeksler: Root Indexing, Asos İndeks
  • Sayfa Sayıları: ss.73-83
  • Gazi Üniversitesi Adresli: Evet

Özet

Hava görüntüleri üzerinde araç tespiti; istihbarat, keşif ve gözetleme açısından önemlidir. Ancak bu görev; düşük uzamsal çözünürlük, karmaşık arka plan, nesne üzerine düşen ışık/gölge farklılıkları ve nesnelerin çevre tarafından kamufle olması gibi sebeplerle zordur. Son zamanlarda geliştirilen CNN tabanlı ağlar umut vericidir ancak bu ağlar doğrudan küçük nesnelerin tespiti için yeterli değildirler ve ince ayara ihtiyaç duyarlar. Bu çalışmada daha hızlı RCNN algoritması ve görece büyük nesnelerin tespitinde başarısı kanıtlanmış ResNet ağı ile VEDAI veri kümesi üzerinde çalışılmıştır. Nesnelerin toplam görüntüdeki piksellerin 0.5×10−3’ü kadar az yer kapladığı görüntüler üzerinde başarım artırımı için daha hızlı RCNN algoritmasında değişiklikler ile çeşitli deneyler yapılmıştır. Deneyler sonucunda %74.9 ortalama hassasiyet elde etmenin mümkün olduğu gösterilmiştir.

Vehicle detection on aerial images is important for intelligence, reconnaissance and surveillance. However, this task is difficult for reasons such as low spatial resolution, complex background, light / shadow differences on the object, and the objects being camouflaged by the environment. Recently developed CNN-based networks are promising, but they are not sufficient for direct detection of small objects and need fine tuning. In this study, with the VEDAI dataset, faster RCNN algorithm and proven ResNet network in the detection of relatively large objects are investigated. Various experiments have been carried out with changes in the faster RCNN algorithm to increase performance on images where objects occupy as little as 0.5×10−3 of pixels in the total image. As a result of the experiments, it has been shown that it is possible to achieve an average sensitivity of 74,9%.