Nov, 2023

ABFL: 针对航空图像中任意方向对象检测的角度边界不连续性自由损失

HTML
PDF
TL;DR本文提出了一种基于von Mises分布的角度边界自由损失(ABFL)，用于解决在检测定向物体时出现的角度边界不连续性问题，通过将角度视为循环数据而不是线性数据来测量角度差异，引入角度周期性以减轻ABD问题并提高角度差异测量的准确性，同时为解决AOOD任务中由于旋转对称性产生的各种周期边界不连续性问题提供了简单有效的解决方案，不需要额外的编解码结构。在DOTA和HRSC2016数据集上的大量实验表明，所提出的ABFL损失优于一些专注于解决ABD问题的最先进方法。
发现论文，激发创造
  • 自适应周期嵌入用于在航空影像中表示定向物体

    提出了一种名为自适应周期嵌入（APE）的用于表示航空图像中有向物体的新方法，它基于有向物体的角度周期性来表示角度，并使用更简单，更合理的标签生成规则和长边相交IoU（LIIoU）新方法。

    Jun, 2019

  • 学习调制损失用于旋转物体检测

    本文针对传统旋转检测方法中角度周期性和参数测量单位不一致等问题提出了调制型旋转损失函数，结合八参数回归解决参数回归一致性问题，实验表明该方法在各类检测数据集上均取得了具有竞争力的表现，代码已公开发布。

    Nov, 2019

  • 关于任意方向物体检测：基于分类方法的再探讨

    本文提出了一种将角度预测任务从回归问题转变为分类问题的方法，并使用设计的“圆滑标签”和“密集编码标签”来解决周期性和编码长度过大的问题，在三个大规模公共数据集上进行了实验验证，证明了该方法的有效性。

    Mar, 2020

  • 利用盒状边界感知向量进行航拍图像中的目标定向检测

    提出了一种针对航拍图像中目标识别的方法，使用基于关键点的检测器检测目标的中心点，进而回归边界感知向量以捕获定向边界框，通过旋转边界框分类实现在所有方向上的目标检测，并通过实验证明优于基线方法，与现有方法相比具有竞争优势。

    Aug, 2020

  • 面向方向物体检测的深度特征对齐

    本文提出了一种 Single-shot Alignment Network (S2A-Net) 来解决航拍图像目标检测中常见的分类得分与定位准确度不一致问题，该网络包括 Feature Alignment Module（FAM）和 Oriented Detection Module（ODM），能够自适应调整卷积特征和生成高质量的先验框，同时通过旋转滤波器编码方向信息来实现定位准确度与分类得分的一致性，并在大规模图像上取得了较高的速度和准确度。

    Aug, 2020

  • 面向航空物体检测的RepPoints

    本文提出了一种基于自适应点学习的方法来检测非轴对齐的空中目标，该方法采用自适应点表示法来捕捉任意方向实例的几何信息，并结合三种有向转换函数以及有效的质量评估和样本分配方案，使用空间约束惩罚离群点进行自适应学习，实验结果表明我们的方法在四个具有挑战性的空中数据集上表现良好。

    May, 2021

  • DARDet：一种用于航拍图像中稠密无锚点旋转物体检测的算法

    本文提出了一种基于密集无锚点的旋转目标检测器(DARDet)，直接预测特征映射中每个前景像素的旋转框的五个参数，同时设计了一个新的对齐卷积模块来提取对齐的特征，并引入 PIoU loss 进行精确和稳定的回归。在三个常用的航空目标数据集(DOTA，HRSC2016 和 UCAS-AOD) 上取得了最先进的性能，同时保持高效率。

    Oct, 2021

  • 重新思考面向对象检测的边界不连续性问题

    本文提出了一个基于极坐标分解的简单而有效的角度修正模块（ACM），可用于修复定向物体检测器的角度预测问题，实验结果表明，ACM可使Gaussian-based或SkewIoU方法在多个数据集上AP50和AP75性能提高到相同水平。

    May, 2023

  • 面向定向物体检测的边缘瓦瑟斯坦距离损失

    回归损失设计是面向对象检测的一个重要课题，由于角度的周期性和宽度和高度定义的不确定性，传统的L1距离损失及其变种一直以来都面临着度量不连续和类似于方形的问题，分布基方法则通过将有方向的框表示为分布而显示出显著优势，我们提出了一种新颖的有方向回归损失，Wasserstein距离（EWD）损失，以缓解类似于方形的问题。同时，基于有方向框的边缘表示，EWD损失可以推广到四边形和多项式回归场景，对多个常用数据集和不同的检测器的实验表明了该方法的有效性。

    Dec, 2023

  • 基于点-轴表示的面向对象检测的点投影方法

    该论文介绍了面向对象检测的点轴表示方法，强调其灵活性和几何直观性，其关键组成部分包括点和轴，点描述对象的空间范围和轮廓，轴定义对象的主方向，解决了传统基于边界框的方法中常见的位置和旋转不连续问题，实验证明该方法在面向对象检测任务中显著提高了性能。

    Jul, 2024