Comptage d'objets basé sur les drones par un réseau de propositions régionales régularisé spatialement

Les méthodes de comptage existantes adoptent souvent des approches basées sur la régression et ne peuvent pas localiser précisément les objets cibles, ce qui entrave l'analyse ultérieure (par exemple, la compréhension de haut niveau et la classification fine). De plus, la plupart des travaux antérieurs se concentrent principalement sur le comptage d'objets dans des environnements statiques avec des caméras fixes. Motivés par l'avènement des véhicules volants non pilotés (c'est-à-dire, des drones), nous nous intéressons à la détection et au comptage d'objets dans ces environnements dynamiques. Nous proposons les Réseaux de Proposition de Disposition (RPDs) et les noyaux spatiaux pour compter et localiser simultanément les objets cibles (par exemple, les voitures) dans des vidéos enregistrées par le drone. Contrairement aux méthodes traditionnelles de proposition de régions, nous exploitons les informations sur la disposition spatiale (par exemple, les voitures sont souvent stationnées de manière régulière) et introduisons ces contraintes régularisées spatialement dans notre réseau pour améliorer la précision de la localisation. Pour évaluer notre méthode de comptage, nous présentons un nouveau jeu de données à grande échelle de parkings automobiles (CARPK) qui contient près de 90 000 voitures capturées dans différents parkings. Selon nos connaissances, il s'agit du premier et du plus grand jeu de données en vue aérienne par drone qui supporte le comptage d'objets et fournit des annotations de boîtes englobantes.