FlightScope: A Deep Comprehensive Assessment of Aircraft Detection Algorithms in Satellite Imagery

要約

リモートセンシングされた衛星写真における物体検出は、生物物理学や環境モニタリングなど多くの分野で基本となっている。ディープラーニングアルゴリズムは常に進化しているが、そのほとんどは一般的な地上撮影写真に実装され、テストされてきた。本論文では、衛星画像内の航空機を識別するタスク用にカスタマイズされた一連の高度な物体検出アルゴリズムを批判的に評価・比較する。大規模なHRPlanesV2データセットとGDITデータセットによる厳密な検証を用い、YOLOバージョン5と8、Faster RCNN、CenterNet、RetinaNet、RTMDet、DETRを含む様々な手法を一から学習させた。この徹底的な訓練と検証研究により、YOLOv5が、リモートセンシングデータから飛行機を識別するという特殊なケースにおいて卓越したモデルであることが明らかになった。この研究は、これらのアルゴリズムの微妙なパフォーマンスランドスケープを浮き彫りにし、YOLOv5が空中物体検出のための堅牢なソリューションとして浮上し、優れた平均精度、Recall、およびIntersection over Unionスコアを通じてその重要性を強調した。ここで説明した結果は、衛星画像解析の特定の要求に沿ったアルゴリズム選択の基本的な役割を強調し、モデルの有効性を評価する包括的なフレームワークを拡張するものである。ベンチマークツールキットとコードは、https://github.com/toelt-llc/FlightScope_Bench を通じて利用可能であり、リモートセンシングの物体検出の領域における探求と革新を促進し、衛星画像アプリケーションにおける分析手法の改善への道を開くことを目的としている。

要約(オリジナル)

Object detection in remotely sensed satellite pictures is fundamental in many fields such as biophysical, and environmental monitoring. While deep learning algorithms are constantly evolving, they have been mostly implemented and tested on popular ground-based taken photos. This paper critically evaluates and compares a suite of advanced object detection algorithms customized for the task of identifying aircraft within satellite imagery. Using the large HRPlanesV2 dataset, together with a rigorous validation with the GDIT dataset, this research encompasses an array of methodologies including YOLO versions 5 and 8, Faster RCNN, CenterNet, RetinaNet, RTMDet, and DETR, all trained from scratch. This exhaustive training and validation study reveal YOLOv5 as the preeminent model for the specific case of identifying airplanes from remote sensing data, showcasing high precision and adaptability across diverse imaging conditions. This research highlight the nuanced performance landscapes of these algorithms, with YOLOv5 emerging as a robust solution for aerial object detection, underlining its importance through superior mean average precision, Recall, and Intersection over Union scores. The findings described here underscore the fundamental role of algorithm selection aligned with the specific demands of satellite imagery analysis and extend a comprehensive framework to evaluate model efficacy. The benchmark toolkit and codes, available via https://github.com/toelt-llc/FlightScope_Bench, aims to further exploration and innovation in the realm of remote sensing object detection, paving the way for improved analytical methodologies in satellite imagery applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL