Published January 1, 2023 | Version v1
Publication Open

SWDet: Anchor-Based Object Detector for Solid Waste Detection in Aerial Images

Creators

  • 1. Henan University
  • 2. Cotton Research Institute

Description

As we all know, waste pollution is one of the most serious environmental issues in the world. Efficient detection of solid waste (SW) in aerial images can improve subsequent waste classification and automatic sorting on the ground. However, traditional methods have some problems, such as poor generalization and limited detection performance. This article presents an anchor-based object detector for solid waste in aerial images (SWDet). Specifically, we construct asymmetric deep aggregation (ADA) network with structurally reparameterized asymmetric blocks to extract waste features with inconspicuous appearance. Besides, considering the waste with blurred boundaries caused by the resolution of aerial images, this article constructs efficient attention fusion pyramid network (EAFPN) to obtain contextual information and multiscale geospatial information via attention fusion. And the model can capture the scattering features of irregular shape waste. In addition, we construct the dataset for solid waste aerial detection (SWAD) by collecting aerial images of SW in Henan Province, China, to validate the effectiveness of our method. Experimental results show that SWDet outperforms most of existing methods for SW detection in aerial images.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

كما نعلم جميعًا، يعد تلوث النفايات أحد أخطر القضايا البيئية في العالم. يمكن أن يؤدي الكشف الفعال عن النفايات الصلبة في الصور الجوية إلى تحسين تصنيف النفايات اللاحق والفرز التلقائي على الأرض. ومع ذلك، فإن الطرق التقليدية تواجه بعض المشاكل، مثل سوء التعميم والأداء المحدود للكشف. تقدم هذه المقالة كاشف الأجسام القائم على المرساة للنفايات الصلبة في الصور الجوية (SWDet). على وجه التحديد، نقوم ببناء شبكة التجميع العميق غير المتماثل (ADA) مع كتل غير متماثلة معاد قياسها هيكليًا لاستخراج ميزات النفايات ذات المظهر غير الواضح. إلى جانب ذلك، بالنظر إلى النفايات ذات الحدود غير الواضحة الناجمة عن دقة الصور الجوية، تنشئ هذه المقالة شبكة هرمية فعالة لدمج الانتباه (EAFPN) للحصول على معلومات سياقية ومعلومات جغرافية مكانية متعددة النطاقات عن طريق دمج الانتباه. ويمكن للنموذج التقاط ميزات التشتت لنفايات الشكل غير المنتظم. بالإضافة إلى ذلك، نقوم ببناء مجموعة البيانات للكشف الجوي عن النفايات الصلبة (SWAD) من خلال جمع الصور الجوية لـ SW في مقاطعة خنان، الصين، للتحقق من فعالية طريقتنا. تظهر النتائج التجريبية أن SWDet يتفوق على معظم الطرق الحالية للكشف عن SW في الصور الجوية.

Translated Description (French)

Comme nous le savons tous, la pollution par les déchets est l'un des problèmes environnementaux les plus graves au monde. La détection efficace des déchets solides dans les images aériennes peut améliorer la classification ultérieure des déchets et le tri automatique au sol. Cependant, les méthodes traditionnelles présentent certains problèmes, tels qu'une mauvaise généralisation et des performances de détection limitées. Cet article présente un détecteur d'objets à ancrage pour les déchets solides dans les images aériennes (SWDet). Plus précisément, nous construisons un réseau d'agrégation profonde asymétrique (ADA) avec des blocs asymétriques structurellement reparamétrés pour extraire les caractéristiques des déchets d'apparence discrète. En outre, compte tenu des déchets aux limites floues causés par la résolution des images aériennes, cet article construit un réseau pyramidal efficace de fusion de l'attention (EAFPN) pour obtenir des informations contextuelles et des informations géospatiales multi-échelles via la fusion de l'attention. Et le modèle peut capturer les caractéristiques de dispersion des déchets de forme irrégulière. En outre, nous construisons l'ensemble de données pour la détection aérienne des déchets solides (SWAD) en collectant des images aériennes de SW dans la province du Henan, en Chine, pour valider l'efficacité de notre méthode. Les résultats expérimentaux montrent que SWDet surpasse la plupart des méthodes existantes pour la détection de SW dans les images aériennes.

Translated Description (Spanish)

Como todos sabemos, la contaminación por residuos es uno de los problemas ambientales más graves del mundo. La detección eficiente de residuos sólidos (SW) en imágenes aéreas puede mejorar la clasificación posterior de residuos y la clasificación automática en el suelo. Sin embargo, los métodos tradicionales tienen algunos problemas, como una generalización deficiente y un rendimiento de detección limitado. Este artículo presenta un detector de objetos basado en anclajes para residuos sólidos en imágenes aéreas (SWDet). Específicamente, construimos una red de agregación profunda asimétrica (ADA) con bloques asimétricos estructuralmente reparametrizados para extraer características de desecho con apariencia discreta. Además, considerando los desechos con límites borrosos causados por la resolución de imágenes aéreas, este artículo construye una red eficiente de pirámides de fusión de atención (EAFPN) para obtener información contextual e información geoespacial multiescala a través de la fusión de atención. Y el modelo puede capturar las características de dispersión de los desechos de forma irregular. Además, construimos el conjunto de datos para la detección aérea de residuos sólidos (SWAD) mediante la recopilación de imágenes aéreas de SW en la provincia de Henan, China, para validar la efectividad de nuestro método. Los resultados experimentales muestran que SWDet supera a la mayoría de los métodos existentes para la detección de SW en imágenes aéreas.

Files

09935119.pdf.pdf

Files (245 Bytes)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:173cf3f4d1c2151caf1a8cbdd3971f26
245 Bytes
Preview Download

Additional details

Additional titles

Translated title (Arabic)
SWDet: كاشف الأجسام القائم على المرساة للكشف عن النفايات الصلبة في الصور الجوية
Translated title (French)
SWDet : Détecteur d'objets à ancrage pour la détection de déchets solides dans les images aériennes
Translated title (Spanish)
SWDet: Detector de objetos basado en anclajes para la detección de residuos sólidos en imágenes aéreas

Identifiers

Other
https://openalex.org/W4311081221
DOI
10.1109/jstars.2022.3218958

Is supplement to
https://openalex.org/W4388964477 (Other)
https://openalex.org/W4388813151 (Other)
https://openalex.org/W4283696875 (Other)
https://openalex.org/W4237245474 (Other)
https://openalex.org/W4221156520 (Other)
https://openalex.org/W3110585990 (Other)
https://openalex.org/W2972256598 (Other)
https://openalex.org/W2612465689 (Other)
https://openalex.org/W2610408157 (Other)
https://openalex.org/W2099047584 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
China

References

  • https://openalex.org/W1536680647
  • https://openalex.org/W2102605133
  • https://openalex.org/W2194775991
  • https://openalex.org/W2549139847
  • https://openalex.org/W2570343428
  • https://openalex.org/W2752782242
  • https://openalex.org/W2759949237
  • https://openalex.org/W2783165089
  • https://openalex.org/W2802213413
  • https://openalex.org/W2806493999
  • https://openalex.org/W2884585870
  • https://openalex.org/W2898947732
  • https://openalex.org/W2914474272
  • https://openalex.org/W2955096879
  • https://openalex.org/W2962858109
  • https://openalex.org/W2963037989
  • https://openalex.org/W2963323244
  • https://openalex.org/W2968177401
  • https://openalex.org/W2981609437
  • https://openalex.org/W2998340221
  • https://openalex.org/W3011137323
  • https://openalex.org/W3018757597
  • https://openalex.org/W3035396860
  • https://openalex.org/W3039009902
  • https://openalex.org/W3042670297
  • https://openalex.org/W3091945887
  • https://openalex.org/W3102701618
  • https://openalex.org/W3105160573
  • https://openalex.org/W3106250896
  • https://openalex.org/W3108849448
  • https://openalex.org/W3110932506
  • https://openalex.org/W3127212255
  • https://openalex.org/W3134040756
  • https://openalex.org/W3160457128
  • https://openalex.org/W3164210319
  • https://openalex.org/W3166222966
  • https://openalex.org/W3167976421
  • https://openalex.org/W3168039476
  • https://openalex.org/W3172087149
  • https://openalex.org/W3177052299
  • https://openalex.org/W3179888767
  • https://openalex.org/W3180084293
  • https://openalex.org/W3197704289
  • https://openalex.org/W3202294484
  • https://openalex.org/W3203608457
  • https://openalex.org/W3214436241
  • https://openalex.org/W4200580899
  • https://openalex.org/W4210925408
  • https://openalex.org/W4213433053
  • https://openalex.org/W4293584584
  • https://openalex.org/W639708223