ABFL：面向航拍图像中任意朝向目标检测的无角度边界不连续损失
计算机视觉与模式识别
2023-11-22 v1
摘要
航拍图像中的任意朝向目标检测（AOOD）是一项广受关注且极具挑战性的任务，并在许多场景中发挥重要作用。AOOD 的核心涉及有向边界框（Bboxes）的表示、编码与特征增强。现有方法缺乏对有向 Bbox 表示中角度差异度量的直观建模。由于角度周期性，不同表示下的有向 Bbox 表现出具有不同周期的旋转对称性。角度差异度量中的旋转对称性导致了周期边界位置处的角度边界不连续（ABD）问题。此外，现有方法还对有向 Bbox 使用额外的编码-解码结构。在本文中，我们基于 von Mises 分布设计了一种无角度边界损失（ABFL）。ABFL 旨在解决检测有向目标时的 ABD 问题。具体而言，ABFL 提出在度量角度差异时将角度视为圆形数据而非线性数据，旨在引入角度周期性以缓解 ABD 问题并提升角度差异度量的准确性。此外，ABFL 为 AOOD 任务中由旋转对称性引起的各种周期边界不连续提供了一种简单有效的解决方案，因为它不需要对有向 Bbox 使用额外的编码-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 问题的前沿方法。
引用
@article{arxiv.2311.12311,
title = {ABFL: Angular Boundary Discontinuity Free Loss for Arbitrary Oriented Object Detection in Aerial Images},
author = {Zifei Zhao and Shengyang Li},
journal= {arXiv preprint arXiv:2311.12311},
year = {2023}
}