近日，中国科学院沈阳自动化研究所创新性地提出了去除航拍图像检测结果中误检目标的方法，并针对航拍图像特性设计了相应的检测网络。相关成果发表在Sensors上。
航拍又称空拍、空中摄影或航空摄影，是指从空中拍摄地球地貌，获得俯视图，此图即为空照图。航拍的摄像机可以由摄影师控制，也可以自动拍摄或远程控制。航拍所用的平台包括飞机、直升机、热气球、小型飞船、火箭、风筝、降落伞等。
基于航拍图像的目标检测技术在民用和军事领域都有广泛的应用，例如城市监测、边境巡查、人口密度估计等等，如何有效的从航拍图像中提取特定目标成了目前的研究热点。对航拍图像中车和行人的检测技术已经逐渐成熟，但是对于建筑物目标的检测一直都是一个难题，还没有很好的解决办法。这是因为建筑物的形状复杂，容易受道路，汽车以及植被等背景干扰，而且航拍图像受光照条件、拍摄角度的影响会造成图像分辨率和质量的不同，增加了检测的难度。
基于深度学习的目标检测方法在航拍图像目标检测中已有相关研究，但由于航拍图像的固有特性，既有检测方法的结果不佳，存在较多误检和漏检情况。现有检测方法多关注于提高检测网络对目标的检出能力。
目标检测，也叫目标提取，是一种基于目标几何和统计特征的图像分割，它将目标的分割和识别合二为一，其准确性和实时性是整个系统的一项重要能力。尤其是在复杂场景中，需要对多个目标进行实时处理时，目标自动提取和识别就显得特别重要。
随着计算机技术的发展和计算机视觉原理的广泛应用，利用计算机图像处理技术对目标进行实时跟踪研究越来越热门，对目标进行动态实时跟踪定位在智能化交通系统、智能监控系统、军事目标检测及医学导航手术中手术器械定位等方面具有广泛的应用价值。
而该研究则从去除检测结果中误检目标的角度出发，创新性地提出Dual-NMS算法，通过统计各个检出目标周围生成检测框的密度和相应的分类置信度，实现自主地去除检测结果中的误检目标，大幅提高了检测结果精度。在研究中进一步将误检目标的判断结果作为网络训练的约束项，从根本上加强了检测网络提取待检测目标抽象特征的能力。
此外，该研究还将目标间的相关性引入检测网络，增强了该方法对目标的检出能力。实验结果表明，Dual-NMS能够去除近50%的误检目标，优化后的检测网络较现有算法性能更佳。
资料来源：沈阳自动化研究所、百度学术、百科
