檢測網絡示意圖

近日，中國科學院沈陽自動化研究所創新性地提出了去除航拍圖像檢測結果中誤檢目標的方法，并針對航拍圖像特性設計了相應的檢測網絡。相關成果發表在Sensors上。

航拍圖像的目標檢測在農業、資源勘探等領域有著廣泛的應用需求，上述場景中嚴格的檢測要求也推動了檢測算法的改進創新。在基于深度學習的目標檢測方法中主要有兩種類型的優化手段：針對待檢測目標特性優化檢測網絡框架；優化檢測結果后處理方法。

基于深度學習的目標檢測方法在航拍圖像目標檢測中已有相關研究，但由于航拍圖像的固有特性，既有檢測方法的結果不佳，存在較多誤檢和漏檢情況。現有檢測方法多關注于提高檢測網絡對目標的檢出能力。而該研究則從去除檢測結果中誤檢目標的角度出發，創新性地提出Dual-NMS算法，通過統計各個檢出目標周圍生成檢測框的密度和相應的分類置信度，實現自主地去除檢測結果中的誤檢目標，大幅提高了檢測結果精度。在最新的研究中進一步將誤檢目標的判斷結果作為網絡訓練的約束項，從根本上加強了檢測網絡提取待檢測目標抽象特征的能力。

此外，該研究還將目標間的相關性引入檢測網絡，增強了該方法對目標的檢出能力。實驗結果表明，Dual-NMS能夠去除近50%的誤檢目標，優化后的檢測網絡較現有算法性能更佳。