Multi-Scale Aircraft Detection from Satellite Images

Abstract

Abstract Satellite image analysis is a research area in which many research studies are carried out for civil and military applications in the field of image processing. Satellite imagery has many applications including recognition, detection and classification of regions, buildings, roads, aircraft and other man-made objects. Among these, especially aircraft detection is strategically important for military applications, and forms the basis of this study. In the first phase of the study, a new dataset of aircrafts is created from Google Earth images to compensate the shortage of data set in this area. In the second stage, the detection of air vehicles was carried out using algorithms based on Convolutional Neural Network (CNN). Region-based Fully Convolutional Network (R-FCN), Single Shot Multi Box Detector (SSD) and Faster R-CNN methods are used for this process. The obtained accuracy rate for R-FCN, SSD and Faster R-CNN are 98.01%, 69.71% and 96.56%, respectively.

Keywords

• Aircraft Detection
• Satellite Image Analysis
• Object Detection

Uydu Görüntülerinden Çok Ölçekli Uçak Tespiti

Abstract

Uydu görüntü analizi, görüntü işleme alanında sivil ve askeri uygulamalar için birçok çalışmanın yapıldığı geniş bir araştırma alanıdır. Uydu görüntüleri, bölgelerin, binaların, yolların, uçakların ve diğer insan yapımı nesnelerin tanınması, algılanması ve sınıflandırılması olmak üzere birçok uygulamada kullanılmaktadır. Uçak tespiti özellikle askeri uygulamalar için stratejik öneme sahiptir ve bu çalışmanın temelini oluşturmaktadır. Bu çalışmada uçak tespiti uygulamalarına yönelik veri seti eksikliğini telafi etmek için Google Earth görüntülerinden yeni bir uçak veri seti oluşturulmuştur. Hava araçlarının tespiti için Konvolüsyonel Sinir Ağlarına (CNNs) dayalı algoritmalar kullanılmıştır. Uçak tespitine yönelik yapılan deneylerde Bölge Tabanlı Tam Evrişimli Ağ (R-FCN), Tek Atışlı Çoklu Kutu Detektörü (SSD) ve Daha Hızlı R-CNN (Faster R-CNN) yöntemlerinin performansı karşılaştırılmıştır ve sırasıyla % 98.01,% 69.71 ve % 96.56 doğruluk oranları elde edilmiştir.

Keywords

• uçak algılama
• uydu görüntü analizi
• nesne algılama

References

1. He, Kaiming, Xiangyu Zhang, Shaoqing Ren, and Jian Sun. 2016. Deep Residual Learning for Image Recognition.
2. Hsieh, Jun-Wei, J. M. Chen, Chi-Hung Chuang, and K. C. Fan. 2005. “Aircraft Type Recognition in Satellite Images.” Vision, Image and Signal Processing, IEE Proceedings - 152:307–15. doi: 10.1049/ip-vis:20049020.
3. Pandit, Tejas, Akshay Kapoor, Rishi Shah, and Rushi Bhuva. 2020. UNDERSTANDING INCEPTION NETWORK ARCHITECTURE FOR IMAGE CLASSIFICATION.