Vehicle Perception from Satellite

要約

衛星は高解像度のビデオをキャプチャできます。
衛星からの車両認識が可能になります。
街頭監視、ドライブレコーダー、その他の機器と比較して、衛星ビデオははるかに広範囲の都市スケールのビューを提供するため、交通のグローバルな動的なシーンがキャプチャおよび表示されます。
衛星からの交通監視は、渋滞予測、経路計画、配車、\emph{etc.} など、大きな応用が期待できる新しいタスクです。
実際には、解像度とビューによって制限されるため、キャプチャされた車両は非常に小さく (数ピクセル)、ゆっくりと移動します。
さらに悪いことに、これらの衛星はこのような高解像度ビデオを撮影するために地球低軌道 (LEO) 上にあるため、背景も動いています。
このような状況下では、衛星からの交通監視は非常に困難な作業となります。
この分野により多くの研究者を引き付けるために、私たちは衛星からのトラフィック監視のための大規模なベンチマークを構築します。
小さな物体の検出、計数、密度推定など、いくつかのタスクをサポートします。
データセットは、GTA-V から記録された 12 個の衛星ビデオと 14 個の合成ビデオに基づいて構築されています。
これらは 408 個のビデオ クリップに分かれており、7,336 個の実際の衛星画像と 1,960 個の合成画像が含まれています。
合計 128,801 台の車両に注釈が付けられており、各画像内の車両の数は 0 から 101 まで変化します。さまざまなアプローチのパフォーマンスを比較するために、従来のコンピューター ビジョンにおけるいくつかの古典的なアプローチと最先端のアプローチがデータセットで評価されます。
、このタスクの課題を分析し、将来の見通しについて話し合います。
データセットは、https://github.com/Chenxi1510/Vehicle-Perception-from-Satellite-Videos から入手できます。

要約(オリジナル)

Satellites are capable of capturing high-resolution videos. It makes vehicle perception from satellite become possible. Compared to street surveillance, drive recorder or other equipments, satellite videos provide a much broader city-scale view, so that the global dynamic scene of the traffic are captured and displayed. Traffic monitoring from satellite is a new task with great potential applications, including traffic jams prediction, path planning, vehicle dispatching, \emph{etc.}. Practically, limited by the resolution and view, the captured vehicles are very tiny (a few pixels) and move slowly. Worse still, these satellites are in Low Earth Orbit (LEO) to capture such high-resolution videos, so the background is also moving. Under this circumstance, traffic monitoring from the satellite view is an extremely challenging task. To attract more researchers into this field, we build a large-scale benchmark for traffic monitoring from satellite. It supports several tasks, including tiny object detection, counting and density estimation. The dataset is constructed based on 12 satellite videos and 14 synthetic videos recorded from GTA-V. They are separated into 408 video clips, which contain 7,336 real satellite images and 1,960 synthetic images. 128,801 vehicles are annotated totally, and the number of vehicles in each image varies from 0 to 101. Several classic and state-of-the-art approaches in traditional computer vision are evaluated on the datasets, so as to compare the performance of different approaches, analyze the challenges in this task, and discuss the future prospects. The dataset is available at: https://github.com/Chenxi1510/Vehicle-Perception-from-Satellite-Videos.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google