Object detection in optical remote sensing images, being a fundamental but challenging problem in the field of aerial and satellite image analysis, plays an important role for a wide range of applications and is receiving significant attention in recent years. While enormous methods exist, a deep review of the literature concerning generic object detection is still lacking. This paper aims to provide a review of the recent progress in this field. Different from several previously published surveys that focus on a specific object class such as building and road, we concentrate on more generic object categories including, but are not limited to, road, building, tree, vehicle, ship, airport, urban-area. Covering about 270 publications we survey (1) template matching-based object detection methods, (2) knowledge-based object detection methods, (3) object-based image analysis (OBIA)-based object detection methods, (4) machine learning-based object detection methods, and (5) five publicly available datasets and three standard evaluation metrics. We also discuss the challenges of current studies and propose two promising research directions, namely deep learning-based feature representation and weakly supervised learning-based geospatial object detection. It is our hope that this survey will be beneficial for the researchers to have better understanding of this research field.
การตรวจจับวัตถุแสงระยะไกลภาพ , เป็นปัจจัยพื้นฐาน แต่ปัญหาที่ท้าทายในด้านการวิเคราะห์ภาพถ่ายทางอากาศและภาพดาวเทียม , มีบทบาทสําคัญสําหรับการใช้งานที่หลากหลายและได้รับอย่างมากในปีที่ผ่านมา ในขณะที่วิธีมหาศาลอยู่ลึกทบทวนวรรณกรรมเกี่ยวกับการตรวจจับวัตถุทั่วไปยังขาด งานวิจัยนี้มีวัตถุประสงค์เพื่อให้มีการทบทวนความก้าวหน้าล่าสุดในด้านนี้ แตกต่างจากการสำรวจหลายเผยแพร่ก่อนหน้านี้ที่เน้นเรียนเฉพาะวัตถุ เช่น อาคารและถนน เรามุ่งในประเภทวัตถุทั่วไปมากขึ้นรวมถึง แต่ไม่ จำกัด , ถนน , อาคาร , ต้นไม้ , รถยนต์ , เรือ , สนามบิน , พื้นที่เมือง ครอบคลุมเกี่ยวกับ 270 สิ่งพิมพ์เราสำรวจ ( 1 ) แม่แบบการจับคู่ตามวิธีการตรวจจับวัตถุ ( 2 ) ใช้วิธีการตรวจจับวัตถุ ( 3 ) วัตถุที่ใช้วิเคราะห์ภาพ ( obia ) ซึ่งวิธีการตรวจจับวัตถุ ( 4 ) การเรียนรู้ที่ใช้วิธีเครื่องตรวจจับวัตถุ และ ( 5 ) การเปิดเผยข้อมูลนี้ใช้ได้สามตัวชี้วัดการประเมินมาตรฐาน นอกจากนี้เรายังหารือเกี่ยวกับความท้าทายของการศึกษาในปัจจุบันและเสนอสองทิศทางการวิจัยสัญญา คือการใช้คุณลักษณะและลึกการเรียนรู้การเรียนรู้แบบ Supervised Learning อย่างอ่อนสำหรับตรวจจับวัตถุตาม เป็นความหวังของเราว่าแบบสอบถามนี้จะเป็นประโยชน์สำหรับนักวิจัยที่จะมีความเข้าใจที่ดีของการวิจัยภาคสนาม
การแปล กรุณารอสักครู่..