《表3 设置裁剪过影像作为输入影像的实验结果》
为了更好地理解本文方法在无人机影像目标检测中的意义,本文进行了定性实验。图4(a)中展示了一些随机挑选的VisDrone数据集上基于CR‐Ours方法的目标检测结果。其中,绿色矩形框标记了网络预测的目标位置,每个矩形框上的标签展示了预测目标的分类结果和置信度。由于无人机影像存在多角度(鸟瞰视角、倾斜视角、水平视角)、不同飞行高度的特点,这导致了无人机影像上的目标出现分布情况差异、尺寸变化大、遮挡现象严重等问题。同时,因为无人机拍摄时间、地点的不同,无人机影像的背景情况和目标特征等具有较大差别。从检测结果(见图4(b)~4(d))可以发现,本文方法可以检测到无人机影像中的多尺度目标(见图4(b),无人机视角倾斜导致目标尺寸差异较大)、复杂背景下目标(如图4(c)列举了夜晚复杂背景下的影像)和存在遮挡情况的目标(如图4(d)影像中的目标存在大量遮挡情况),在人眼观察下具有较好的检测定位和分类结果,这进一步证实了本文方法的有效性。
图表编号 | XD00173654600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.05 |
作者 | 张瑞倩、邵振峰、Aleksei Portnov、汪家明 |
绘制单位 | 武汉大学遥感信息工程学院、武汉大学测绘遥感信息工程国家重点实验室、莫斯科国立测绘大学、武汉大学测绘遥感信息工程国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |