1.相关论文
1.[20200327]#小目标检测# EESRGAN：使用边缘增强GAN和目标检测器的遥感图像小目标检测
本文提出新的边缘增强超分辨率GAN（EESRGAN）来改善遥感图像的图像质量，并以端到端的方式将目标检测器的损失反向传播到EESRGAN中，以提高检测性能。作者团队：阿尔伯塔大学等
与大物体相比，遥感图像中小物体的检测性能不令人满意，尤其是在低分辨率和含澡的图像中。增强型超分辨率GAN（ESRGAN），具有出色的图像增强性能，但重建的图像缺少高频边缘信息。因此，对于恢复的嘈杂和低分辨率遥感图像上的小物体，物体检测性能降低。受边缘增强GAN（EEGAN）和ESRGAN成功的启发，我们应用了一种新的边缘增强超分辨率GAN（EESRGAN）来改善遥感图像的图像质量，并以端到端的方式使用了不同的探测器网络将检测器损失反向传播到EESRGAN中，以提高检测性能。我们提出一种包含三个组件的体系结构：ESRGAN，边缘增强网络（EEN）和检测网络。对于GAN和EEN，我们都使用残差-残差密集块（RRDB），对于检测器网络，我们使用更快的基于区域的卷积网络（FRCNN）（两阶段检测器）和单阶段多框检测器（SSD）（一级检测器）。通过在数据集进行的大量实验表明，与独立的最新目标检测器相比，我们的方法具有出色的性能。
《Small-Object Detection in Remote Sensing Images with End-to-End Edge-Enhanced