Ein umfangreiches kontextuelles Datensatz für die Klassifizierung, Detektion und Zählung von Autos mit tiefem Lernen

Wir haben eine große und vielfältige Sammlung von Fahrzeugen aus Luftbildern erstellt, die für das Training eines tiefen Lernalgorithmus zur binären Klassifizierung, Detektion und Zählung nützlich sind. Der Datensatz und alle damit verbundenen Materialien werden öffentlich zugänglich gemacht. Die Sammlung enthält kontextuelle Informationen, die bei der Identifikation schwieriger Ziele helfen. Wir demonstrieren die Klassifizierung und Detektion auf diesem Datensatz mithilfe eines von uns entwickelten neuronalen Netzes, das wir ResCeption nennen. Dieses Netzwerk kombiniert residuelles Lernen mit Schichten im Inception-Stil und wird verwendet, um Fahrzeuge mit einem Blick zu zählen. Dies ist eine neue Methode zur Objektzählung, die sich nicht auf die Lokalisierung oder Dichteschätzung stützt. Sie ist ziemlich genau, schnell und einfach umzusetzen. Darüber hinaus ist die Zählmethode weder fahrzeug- noch szenenspezifisch. Es wäre einfach möglich, diese Methode zum Zählen anderer Arten von Objekten zu trainieren, und das Zählen in neuen Szenarien erfordert keine zusätzliche Vorbereitung oder Annahmen über die Position der Objekte.