Object Detection performance variation on compressed satellite image datasets with iquaflow

要約

画像に対する予測モデルの最高のパフォーマンスを実現するために、多くの作業が行われてきました。
これらのモデルが元の品質を変更する変更を受ける画像データセットでトレーニングされた場合のこれらのモデルの回復力に関する研究はほとんどありません。
しかし、これは業界でよく遭遇する一般的な問題です。
その好例が地球観測衛星で、多くの画像を撮影しています。
周回衛星の地球への接続のエネルギーと時間は限られているため、慎重に使用する必要があります。
これを軽減するアプローチは、ダウンロードする前にオンボードで画像を圧縮することです。
圧縮は、画像の使用目的とこのアプリケーションの要件に応じて調整できます。
画像データセットの変更を考慮して、画質とモデルのパフォーマンスの変動を調査するように設計された、i​​quaflow という名前の新しいソフトウェア ツールを紹介します。
さらに、さまざまな圧縮レベルを指定して、パブリック イメージ データセット DOTA Xia_2018_CVPR で指向性オブジェクト検出モデルの採用に関するショーケース スタディを行います。
最適な圧縮ポイントが見つかり、iquaflow の有用性が明らかになります。

要約(オリジナル)

A lot of work has been done to reach the best possible performance of predictive models on images. There are fewer studies about the resilience of these models when they are trained on image datasets that suffer modifications altering their original quality. Yet this is a common problem that is often encountered in the industry. A good example of that is with earth observation satellites that are capturing many images. The energy and time of connection to the earth of an orbiting satellite are limited and must be carefully used. An approach to mitigate that is to compress the images on board before downloading. The compression can be regulated depending on the intended usage of the image and the requirements of this application. We present a new software tool with the name iquaflow that is designed to study image quality and model performance variation given an alteration of the image dataset. Furthermore, we do a showcase study about oriented object detection models adoption on a public image dataset DOTA Xia_2018_CVPR given different compression levels. The optimal compression point is found and the usefulness of iquaflow becomes evident.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google